懷信
数据库工程师
南京科融数据系统股份有限公司 · 1年经验
日薪：
￥500/8h
地点：
杭州 滨江
时间：
可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
热爱编程,具有扎实的编程基础,代码风格良好;
能够处理多任务,具备良好的时间管理和组织能力;
细致入微,注重细节,能够高效地处理日常事务;
熟练掌握Python编程、数据处理、框架使用等;
熟悉TensorFlow、PyTorch等模型框架;
熟悉opencv等图像算法库;
能够灵活应对突发情况,保持良好心态和专业态度；
能够处理多任务,具备良好的时间管理和组织能力;
细致入微,注重细节,能够高效地处理日常事务;
熟练掌握Python编程、数据处理、框架使用等;
熟悉TensorFlow、PyTorch等模型框架;
熟悉opencv等图像算法库;
能够灵活应对突发情况,保持良好心态和专业态度；
项目经验
基于深度学习实现水表示数识别
采用添加极化自注意力模块的UNet网络实现高精度数字区域分割,提升复杂背景下的定位鲁棒性。
对比经典CNN、ResNet及DenseNet三类卷积神经网络在数字识别任务中的性能,通过实验量化模型精度与推
理效率的平衡。
基于Transformer实现中英文翻译
利用Transformer架构构建了一个高效的神经机器翻译模型。核心采用6层编码器-解码器结构，集成多头注意
力机制以捕捉深层语义关联。训练中，我们引入位置编码与标签平滑等关键技术，并配合动态学习率与批次
优化，在大规模中英平行语料上完成了高效训练。最终通过贪心搜索解码，生成了准确流畅的中文翻译结
果。
采用添加极化自注意力模块的UNet网络实现高精度数字区域分割,提升复杂背景下的定位鲁棒性。
对比经典CNN、ResNet及DenseNet三类卷积神经网络在数字识别任务中的性能,通过实验量化模型精度与推
理效率的平衡。
基于Transformer实现中英文翻译
利用Transformer架构构建了一个高效的神经机器翻译模型。核心采用6层编码器-解码器结构，集成多头注意
力机制以捕捉深层语义关联。训练中，我们引入位置编码与标签平滑等关键技术，并配合动态学习率与批次
优化，在大规模中英平行语料上完成了高效训练。最终通过贪心搜索解码，生成了准确流畅的中文翻译结
果。
懷信
数据库工程师 · 1年经验 · 南京科融数据系统股份有限公司
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
热爱编程,具有扎实的编程基础,代码风格良好;
能够处理多任务,具备良好的时间管理和组织能力;
细致入微,注重细节,能够高效地处理日常事务;
熟练掌握Python编程、数据处理、框架使用等;
熟悉TensorFlow、PyTorch等模型框架;
熟悉opencv等图像算法库;
能够灵活应对突发情况,保持良好心态和专业态度；
能够处理多任务,具备良好的时间管理和组织能力;
细致入微,注重细节,能够高效地处理日常事务;
熟练掌握Python编程、数据处理、框架使用等;
熟悉TensorFlow、PyTorch等模型框架;
熟悉opencv等图像算法库;
能够灵活应对突发情况,保持良好心态和专业态度；
项目经验
基于深度学习实现水表示数识别
采用添加极化自注意力模块的UNet网络实现高精度数字区域分割,提升复杂背景下的定位鲁棒性。
对比经典CNN、ResNet及DenseNet三类卷积神经网络在数字识别任务中的性能,通过实验量化模型精度与推
理效率的平衡。
基于Transformer实现中英文翻译
利用Transformer架构构建了一个高效的神经机器翻译模型。核心采用6层编码器-解码器结构，集成多头注意
力机制以捕捉深层语义关联。训练中，我们引入位置编码与标签平滑等关键技术，并配合动态学习率与批次
优化，在大规模中英平行语料上完成了高效训练。最终通过贪心搜索解码，生成了准确流畅的中文翻译结
果。
采用添加极化自注意力模块的UNet网络实现高精度数字区域分割,提升复杂背景下的定位鲁棒性。
对比经典CNN、ResNet及DenseNet三类卷积神经网络在数字识别任务中的性能,通过实验量化模型精度与推
理效率的平衡。
基于Transformer实现中英文翻译
利用Transformer架构构建了一个高效的神经机器翻译模型。核心采用6层编码器-解码器结构，集成多头注意
力机制以捕捉深层语义关联。训练中，我们引入位置编码与标签平滑等关键技术，并配合动态学习率与批次
优化，在大规模中英平行语料上完成了高效训练。最终通过贪心搜索解码，生成了准确流畅的中文翻译结
果。
立即沟通
