个人擅长Python和MATLAB深度学习,能够熟练运用TensorFlow、PyTorch等主流框架构建复杂的神经网络模型,在图像识别、自然语言处理等领域有深入实践;数据分析方面,精通Pandas、NumPy等工具,能对海量数据进行清洗、转换与特征工程,从数据中挖掘潜在规律与价值;数据可视化技能突出,擅长使用Matplotlib、Seaborn、Plotly等库将抽象数据转化为直观图表,通过色彩搭配、动态交互等方式让数据故事跃然屏上,清晰呈现分析结果;在多目标规划领域,具备扎实的数学建模基础,能结合实际业务需求,运用遗传算法、粒子群优化等智能优化方法解决资源分配、路径规划等复杂问题,实现多个目标的协同优化;LSTM和CNN是本人深度学习领域的核心专长,曾成功应用LSTM模型进行时间序列预测,精准捕捉数据中的长期依赖关系,为业务决策提供有力支持;同时,对CNN卷积神经网络的原理与应用了如指掌,能够设计并训练高效的图像分类、目标检测模型,在计算机视觉项目中展现出色性能;此外,爬虫技术也是本人的强项,熟练掌握Requests、Scrapy等库,能编写稳定高效的爬虫程序,从各类网站中合规获取所需数据,为数据分析与模型训练提供高质量数据源,全方位满足简历要求的各项技能需求。
做过无人机多目标规划问题、声源立柱变相问题、机械臂转向动作、跨境电商多域竞争模型应用、论文改写大模型、岛屿舰船登陆多模块数据分析可视化
构建一个能够处理多语言商品信息的推荐系统,考虑用户的文化背景(通过Hofstede文化维度)和商品属性(品牌、颜色、尺寸等)。 利用异质图神经网络(Heterogeneous Graph Neural Network)对用户、商品、语言、文化等多种类型的节点进行建模,以提高
一个针对嵌入式设备的音频分类模型再训练脚本,核心目标是: 解决误判问题:减少说话声被误判为音乐的情况 提高鲁棒性:通过数据增强使模型适应各种环境 嵌入式优化:考虑ESP32-P4的计算和内存限制 可为边缘设备上的音频分类任务提供一个很好的模型训练框架