Python 编程： 熟练使用 Python 进行算法开发、数据分析、模型训练及后端接口开发，具备良好的代码规范与工程实践能力。
机器学习算法： 熟悉线性回归、逻辑回归、决策树、随机森林、支持向量机（SVM）、K-Means 聚类等常用机器学习算法，能够根据业务场景进行模型选择与优化。
深度学习模型： 掌握卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）、Transformer 等深度学习模型，具备模型训练、调优与部署经验。
大语言模型（LLM）： 熟悉大语言模型应用开发，了解 Prompt Engineering、RAG（检索增强生成）、Embedding、向量数据库、模型微调（LoRA）等技术，具有基于开源大模型（如 Qwen、Llama 等）进行推理部署和应用开发经验。
AI 开发框架： 熟悉 PyTorch、TensorFlow、Keras、Scikit-learn 等机器学习与深度学习框架，了解 Hugging Face Transformers、vLLM、SGLang 等大模型推理框架。
数据处理： 熟练使用 Pandas、NumPy 进行数据清洗、特征工程、数据分析与可视化，具备数据预处理和数据集构建能力。

1、重庆市永川区揭榜挂帅项目“AI智能动作分析检测”
实际承担和完成的主要研究工作：
1.融合YOLO（目标检测算法）和TSM（时序移位检测算法）实现对复杂动态场景下目标的精准时序检测。
2.利用多线程技术获取视频流、采用异步框架实现高精度、快速率的视频帧同步。
3.设计异常检测算法判断目标的运动状态，实现智能截取关键视频片段以节省存储空间并保留关键内容的目标。
2、重庆文理学院智创文理创新创业训练计划“基于多模态大模型的电梯异常检测系统”（项目负责人）
1.检测异常行为数据处理与模型训练优化等主要任务，包括视频数据预处理、模型训练调参、优化调优，使得关键异常识别率达到99.9%，准确率超过98%。
2.对项目采用Docker容器化部署技术，实现项目快速部署。
3、重庆文理学院创新创业训练计划“基于深度学习的显微镜下微生物菌种识别与生长周期预测系统”
1.融合Manet和Unet++ 实现对不同背景下的微生物菌种的精准识别。
2.采用自适应滤波、对比度增强和形态学处理等方法，有效去除噪声、优化图像细节，提高输入数据质量，以增强模型对微生物结构的识别能力。