Gentamicin
AI算法工程师 · 2年经验 · 深圳市水务科技有限公司
0
累计接单
0
用户评价
0
被收藏
技术能力
【AI与机器学习】
智能体（Agent）开发与应用：具备基于大语言模型构建自主智能体的完整能力，涵盖任务规划、工具调用（Function Calling）、记忆管理与多智能体协作框架的设计与实现，可开发自动化决策、复杂对话与业务流程助手等应用。
RAG检索增强生成系统搭建：能够搭建端到端的RAG系统，包括文档解析、向量化嵌入、高效向量数据库检索，显著提升模型回答的准确性与时效性，减少幻觉。
大语言模型（LLM）微调与优化：熟练掌握有监督微调（SFT）、提示词工程（Prompt Engineering）与轻量化微调技术（如LoRA），能够针对特定领域与场景优化模型性能，实现私有知识注入与风格定制。
【传统算法与模型】
时间序列分析与预测：精通经典时序模型（ARIMA, Prophet）与机器学习方法，擅长对销售、流量、金融等数据进行建模、趋势分析与未来值预测，完成异常检测与归因分析。
计算机视觉与图像识别：掌握CNN、YOLO、ResNet等主流模型，具备图像分类、目标检测、图像分割等任务的实践经验，能够完成模型训练、调优及在实际场景中的部署应用。
【数据处理与分析】
数据爬取、清洗与特征工程：精通使用Scrapy、Requests等工具进行结构化与非结构化数据的高效爬取，具备强大的数据清洗、缺失值处理与特征构造能力，为模型训练提供高质量数据集。
多维度数据分析与可视化：擅长使用Pandas、NumPy进行深度数据分析，并利用Matplotlib等工具进行可视化呈现，能够从数据中提炼业务洞察，形成分析报告。
【后端与工程化】
Python Flask后端开发：熟练掌握Flask框架，能够设计并开发RESTful API，实现业务逻辑、数据库交互，构建稳定、可扩展的模型服务与业务应用后端。
模型部署、服务化与推理优化：具有将机器学习模型产品化的全流程经验，精通模型量化、剪枝、ONNX转换及TensorRT加速等推理优化技术，以提升服务性能与资源效率。
智能体（Agent）开发与应用：具备基于大语言模型构建自主智能体的完整能力，涵盖任务规划、工具调用（Function Calling）、记忆管理与多智能体协作框架的设计与实现，可开发自动化决策、复杂对话与业务流程助手等应用。
RAG检索增强生成系统搭建：能够搭建端到端的RAG系统，包括文档解析、向量化嵌入、高效向量数据库检索，显著提升模型回答的准确性与时效性，减少幻觉。
大语言模型（LLM）微调与优化：熟练掌握有监督微调（SFT）、提示词工程（Prompt Engineering）与轻量化微调技术（如LoRA），能够针对特定领域与场景优化模型性能，实现私有知识注入与风格定制。
【传统算法与模型】
时间序列分析与预测：精通经典时序模型（ARIMA, Prophet）与机器学习方法，擅长对销售、流量、金融等数据进行建模、趋势分析与未来值预测，完成异常检测与归因分析。
计算机视觉与图像识别：掌握CNN、YOLO、ResNet等主流模型，具备图像分类、目标检测、图像分割等任务的实践经验，能够完成模型训练、调优及在实际场景中的部署应用。
【数据处理与分析】
数据爬取、清洗与特征工程：精通使用Scrapy、Requests等工具进行结构化与非结构化数据的高效爬取，具备强大的数据清洗、缺失值处理与特征构造能力，为模型训练提供高质量数据集。
多维度数据分析与可视化：擅长使用Pandas、NumPy进行深度数据分析，并利用Matplotlib等工具进行可视化呈现，能够从数据中提炼业务洞察，形成分析报告。
【后端与工程化】
Python Flask后端开发：熟练掌握Flask框架，能够设计并开发RESTful API，实现业务逻辑、数据库交互，构建稳定、可扩展的模型服务与业务应用后端。
模型部署、服务化与推理优化：具有将机器学习模型产品化的全流程经验，精通模型量化、剪枝、ONNX转换及TensorRT加速等推理优化技术，以提升服务性能与资源效率。
项目经验
1. AI智能体工作流平台搭建
项目描述：基于主流低代码AI智能体平台与知识库系统，设计并搭建用于处理复杂任务的AI智能体协同工作流。
主要职责：负责在平台上进行工作流设计与编排，集成并调用多种大语言模型（LLM）能力，连接不同工具节点以完成自动化任务。
使用技术：Coze平台，MaxKB，大语言模型（LLM）API调用，工作流引擎。
项目成果：成功搭建了包括智能问答、简历初筛、数据查询与可视化、营销海报生成在内的多个自动化工作流，提升了相关业务的处理效率。
2. 多模态时序预测项目
项目描述：主导开发一套多模态时序预测模型，旨在实现对特定目标指标的早期风险预警，为业务决策提供前瞻性数据支持。
主要职责：负责项目核心算法研发，通过融合图像与传感器两类异构数据，构建端到端的预警模型。具体包括：1）运用图像识别技术（目标检测）从视觉数据中提取关键特征；2）整合多维度时序数据进行趋势分析；3）设计并实现融合两种模态信息的深度学习预测架构。
使用技术：Python, PyTorch, 目标检测模型（YOLO等），时序预测模型（LSTM/GRU），多模态数据融合策略。
项目成果：模型实现了对目标风险的提前精准预警，准确率达到85%，为实施干预措施争取了平均2天的关键窗口期，有效支撑了运营决策。
项目描述：基于主流低代码AI智能体平台与知识库系统，设计并搭建用于处理复杂任务的AI智能体协同工作流。
主要职责：负责在平台上进行工作流设计与编排，集成并调用多种大语言模型（LLM）能力，连接不同工具节点以完成自动化任务。
使用技术：Coze平台，MaxKB，大语言模型（LLM）API调用，工作流引擎。
项目成果：成功搭建了包括智能问答、简历初筛、数据查询与可视化、营销海报生成在内的多个自动化工作流，提升了相关业务的处理效率。
2. 多模态时序预测项目
项目描述：主导开发一套多模态时序预测模型，旨在实现对特定目标指标的早期风险预警，为业务决策提供前瞻性数据支持。
主要职责：负责项目核心算法研发，通过融合图像与传感器两类异构数据，构建端到端的预警模型。具体包括：1）运用图像识别技术（目标检测）从视觉数据中提取关键特征；2）整合多维度时序数据进行趋势分析；3）设计并实现融合两种模态信息的深度学习预测架构。
使用技术：Python, PyTorch, 目标检测模型（YOLO等），时序预测模型（LSTM/GRU），多模态数据融合策略。
项目成果：模型实现了对目标风险的提前精准预警，准确率达到85%，为实施干预措施争取了平均2天的关键窗口期，有效支撑了运营决策。
立即沟通
