Serein
Ai工程师
沃森生物 · 5年经验
日薪：
￥500/8h
地点：
昆明 全区
时间：
下班后周日
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
第一，大模型全栈技术。 精通Transformer架构及主流开源模型（LLaMA、Qwen、DeepSeek等）的SFT、RLHF及DPO微调，熟练使用LoRA、QLoRA等高效参数微调方法，具备千亿级模型的分布式训练与模型并行经验。在Watson期间，曾主导多语言NLP任务（文本分类、实体抽取、语义检索）的模型选型与迭代优化。
第二，AI工程化与MLOps。 深入掌握PyTorch、TensorFlow及JAX框架，具备Kubeflow、MLflow等MLOps工具链的实战经验，擅长构建自动化数据处理、模型版本管理与持续集成流水线。同时精通LangChain、LlamaIndex等Agent编排框架，能够将LLM与外部工具、API、向量数据库（Milvus、Pinecone）深度整合，构建具备记忆、推理与工具调用能力的复杂智能体系统。
第三，云计算与高性能计算。 熟练使用AWS/Azure/GCP云原生AI服务，具备GPU集群调度与推理加速（vLLM、TensorRT-LLM、FlashAttention）优化能力，可保障企业级应用的高吞吐与低延迟。
第四，业务对齐与技术价值转化。 我坚持“技术服务于业务”的顾问原则，擅长将复杂的AI能力抽象为可复用的产品模块，协助客户设计技术验证方案（PoC）、评估ROI并制定AI治理策略。凭借在Watson积累的企业级AI落地经验，我能够有效弥合前沿研究与工程落地之间的鸿沟，提供兼具前瞻性与稳健性的解决方案。
第二，AI工程化与MLOps。 深入掌握PyTorch、TensorFlow及JAX框架，具备Kubeflow、MLflow等MLOps工具链的实战经验，擅长构建自动化数据处理、模型版本管理与持续集成流水线。同时精通LangChain、LlamaIndex等Agent编排框架，能够将LLM与外部工具、API、向量数据库（Milvus、Pinecone）深度整合，构建具备记忆、推理与工具调用能力的复杂智能体系统。
第三，云计算与高性能计算。 熟练使用AWS/Azure/GCP云原生AI服务，具备GPU集群调度与推理加速（vLLM、TensorRT-LLM、FlashAttention）优化能力，可保障企业级应用的高吞吐与低延迟。
第四，业务对齐与技术价值转化。 我坚持“技术服务于业务”的顾问原则，擅长将复杂的AI能力抽象为可复用的产品模块，协助客户设计技术验证方案（PoC）、评估ROI并制定AI治理策略。凭借在Watson积累的企业级AI落地经验，我能够有效弥合前沿研究与工程落地之间的鸿沟，提供兼具前瞻性与稳健性的解决方案。
项目经验
项目一：冰箱冷库温度无线监控系统（Watson）
在该项目中，我担任AI算法与系统架构负责人，主导设计了一套端云协同的冷链温度智能监控方案。系统采用LoRa无线传感网络采集数千个冷库和冰箱的实时温度、湿度及压缩机振动数据，边缘端部署轻量化异常检测模型（基于Isolation Forest和LSTM自编码器），实现秒级本地告警，减少云端传输延迟。云端则构建时间序列预测模型（Informer+Prophet），结合制冷设备历史工况与环境气象数据，提前48小时预测设备故障风险与能耗拐点，辅助运维人员主动维护。我负责从数据清洗、特征工程（提取周期波动、斜率变化等）到模型蒸馏（将1.5GB的LSTM压缩为适合边缘MCU的TFLite微型模型），并搭建基于Grafana+Prometheus的实时监控大屏。最终系统使故障漏报率从12%降至2.3%，年均节能约18%，获得客户“技术落地扎实”的高度评价。
项目二：志询AI志愿填报系统（iopt）
作为核心技术顾问，我负责构建智能推荐引擎与交互式问答模块。系统覆盖全国3000+高校及专业数据，我设计了一套融合协同过滤与知识图谱的混合推荐策略：利用Transformer编码器对历年招生简章、专业课程描述进行语义嵌入，构建“专业-职业-兴趣”三元组知识图谱，实现基于学生兴趣画像（通过多轮对话采集）的个性化院校匹配；同时开发基于检索增强生成（RAG）的志愿答疑机器人，用LangChain接入实时招考政策PDF，结合向量数据库（Chroma）提供高精度政策解读。我主导了推荐算法的离线评估（NDCG@10达0.87）和线上A/B测试，并优化索引结构使Top-50推荐响应时间低于200ms。系统上线后辅助超5万考生完成填报，志愿匹配满意度较传统工具提升34%，充分验证了AI在垂直教育场景的赋能价值。
在该项目中，我担任AI算法与系统架构负责人，主导设计了一套端云协同的冷链温度智能监控方案。系统采用LoRa无线传感网络采集数千个冷库和冰箱的实时温度、湿度及压缩机振动数据，边缘端部署轻量化异常检测模型（基于Isolation Forest和LSTM自编码器），实现秒级本地告警，减少云端传输延迟。云端则构建时间序列预测模型（Informer+Prophet），结合制冷设备历史工况与环境气象数据，提前48小时预测设备故障风险与能耗拐点，辅助运维人员主动维护。我负责从数据清洗、特征工程（提取周期波动、斜率变化等）到模型蒸馏（将1.5GB的LSTM压缩为适合边缘MCU的TFLite微型模型），并搭建基于Grafana+Prometheus的实时监控大屏。最终系统使故障漏报率从12%降至2.3%，年均节能约18%，获得客户“技术落地扎实”的高度评价。
项目二：志询AI志愿填报系统（iopt）
作为核心技术顾问，我负责构建智能推荐引擎与交互式问答模块。系统覆盖全国3000+高校及专业数据，我设计了一套融合协同过滤与知识图谱的混合推荐策略：利用Transformer编码器对历年招生简章、专业课程描述进行语义嵌入，构建“专业-职业-兴趣”三元组知识图谱，实现基于学生兴趣画像（通过多轮对话采集）的个性化院校匹配；同时开发基于检索增强生成（RAG）的志愿答疑机器人，用LangChain接入实时招考政策PDF，结合向量数据库（Chroma）提供高精度政策解读。我主导了推荐算法的离线评估（NDCG@10达0.87）和线上A/B测试，并优化索引结构使Top-50推荐响应时间低于200ms。系统上线后辅助超5万考生完成填报，志愿匹配满意度较传统工具提升34%，充分验证了AI在垂直教育场景的赋能价值。
Serein
Ai工程师 · 5年经验 · 沃森生物
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
第一，大模型全栈技术。 精通Transformer架构及主流开源模型（LLaMA、Qwen、DeepSeek等）的SFT、RLHF及DPO微调，熟练使用LoRA、QLoRA等高效参数微调方法，具备千亿级模型的分布式训练与模型并行经验。在Watson期间，曾主导多语言NLP任务（文本分类、实体抽取、语义检索）的模型选型与迭代优化。
第二，AI工程化与MLOps。 深入掌握PyTorch、TensorFlow及JAX框架，具备Kubeflow、MLflow等MLOps工具链的实战经验，擅长构建自动化数据处理、模型版本管理与持续集成流水线。同时精通LangChain、LlamaIndex等Agent编排框架，能够将LLM与外部工具、API、向量数据库（Milvus、Pinecone）深度整合，构建具备记忆、推理与工具调用能力的复杂智能体系统。
第三，云计算与高性能计算。 熟练使用AWS/Azure/GCP云原生AI服务，具备GPU集群调度与推理加速（vLLM、TensorRT-LLM、FlashAttention）优化能力，可保障企业级应用的高吞吐与低延迟。
第四，业务对齐与技术价值转化。 我坚持“技术服务于业务”的顾问原则，擅长将复杂的AI能力抽象为可复用的产品模块，协助客户设计技术验证方案（PoC）、评估ROI并制定AI治理策略。凭借在Watson积累的企业级AI落地经验，我能够有效弥合前沿研究与工程落地之间的鸿沟，提供兼具前瞻性与稳健性的解决方案。
第二，AI工程化与MLOps。 深入掌握PyTorch、TensorFlow及JAX框架，具备Kubeflow、MLflow等MLOps工具链的实战经验，擅长构建自动化数据处理、模型版本管理与持续集成流水线。同时精通LangChain、LlamaIndex等Agent编排框架，能够将LLM与外部工具、API、向量数据库（Milvus、Pinecone）深度整合，构建具备记忆、推理与工具调用能力的复杂智能体系统。
第三，云计算与高性能计算。 熟练使用AWS/Azure/GCP云原生AI服务，具备GPU集群调度与推理加速（vLLM、TensorRT-LLM、FlashAttention）优化能力，可保障企业级应用的高吞吐与低延迟。
第四，业务对齐与技术价值转化。 我坚持“技术服务于业务”的顾问原则，擅长将复杂的AI能力抽象为可复用的产品模块，协助客户设计技术验证方案（PoC）、评估ROI并制定AI治理策略。凭借在Watson积累的企业级AI落地经验，我能够有效弥合前沿研究与工程落地之间的鸿沟，提供兼具前瞻性与稳健性的解决方案。
项目经验
项目一：冰箱冷库温度无线监控系统（Watson）
在该项目中，我担任AI算法与系统架构负责人，主导设计了一套端云协同的冷链温度智能监控方案。系统采用LoRa无线传感网络采集数千个冷库和冰箱的实时温度、湿度及压缩机振动数据，边缘端部署轻量化异常检测模型（基于Isolation Forest和LSTM自编码器），实现秒级本地告警，减少云端传输延迟。云端则构建时间序列预测模型（Informer+Prophet），结合制冷设备历史工况与环境气象数据，提前48小时预测设备故障风险与能耗拐点，辅助运维人员主动维护。我负责从数据清洗、特征工程（提取周期波动、斜率变化等）到模型蒸馏（将1.5GB的LSTM压缩为适合边缘MCU的TFLite微型模型），并搭建基于Grafana+Prometheus的实时监控大屏。最终系统使故障漏报率从12%降至2.3%，年均节能约18%，获得客户“技术落地扎实”的高度评价。
项目二：志询AI志愿填报系统（iopt）
作为核心技术顾问，我负责构建智能推荐引擎与交互式问答模块。系统覆盖全国3000+高校及专业数据，我设计了一套融合协同过滤与知识图谱的混合推荐策略：利用Transformer编码器对历年招生简章、专业课程描述进行语义嵌入，构建“专业-职业-兴趣”三元组知识图谱，实现基于学生兴趣画像（通过多轮对话采集）的个性化院校匹配；同时开发基于检索增强生成（RAG）的志愿答疑机器人，用LangChain接入实时招考政策PDF，结合向量数据库（Chroma）提供高精度政策解读。我主导了推荐算法的离线评估（NDCG@10达0.87）和线上A/B测试，并优化索引结构使Top-50推荐响应时间低于200ms。系统上线后辅助超5万考生完成填报，志愿匹配满意度较传统工具提升34%，充分验证了AI在垂直教育场景的赋能价值。
在该项目中，我担任AI算法与系统架构负责人，主导设计了一套端云协同的冷链温度智能监控方案。系统采用LoRa无线传感网络采集数千个冷库和冰箱的实时温度、湿度及压缩机振动数据，边缘端部署轻量化异常检测模型（基于Isolation Forest和LSTM自编码器），实现秒级本地告警，减少云端传输延迟。云端则构建时间序列预测模型（Informer+Prophet），结合制冷设备历史工况与环境气象数据，提前48小时预测设备故障风险与能耗拐点，辅助运维人员主动维护。我负责从数据清洗、特征工程（提取周期波动、斜率变化等）到模型蒸馏（将1.5GB的LSTM压缩为适合边缘MCU的TFLite微型模型），并搭建基于Grafana+Prometheus的实时监控大屏。最终系统使故障漏报率从12%降至2.3%，年均节能约18%，获得客户“技术落地扎实”的高度评价。
项目二：志询AI志愿填报系统（iopt）
作为核心技术顾问，我负责构建智能推荐引擎与交互式问答模块。系统覆盖全国3000+高校及专业数据，我设计了一套融合协同过滤与知识图谱的混合推荐策略：利用Transformer编码器对历年招生简章、专业课程描述进行语义嵌入，构建“专业-职业-兴趣”三元组知识图谱，实现基于学生兴趣画像（通过多轮对话采集）的个性化院校匹配；同时开发基于检索增强生成（RAG）的志愿答疑机器人，用LangChain接入实时招考政策PDF，结合向量数据库（Chroma）提供高精度政策解读。我主导了推荐算法的离线评估（NDCG@10达0.87）和线上A/B测试，并优化索引结构使Top-50推荐响应时间低于200ms。系统上线后辅助超5万考生完成填报，志愿匹配满意度较传统工具提升34%，充分验证了AI在垂直教育场景的赋能价值。
立即沟通
