鬼头鬼脑黑漆漆
无
- 公司信息：
- 无
- 工作经验：
- 1年
- 兼职日薪：
- 500元/8小时
- 兼职时间：
- 可工作日远程
- 所在区域：
- 重庆
- 全区
技术能力
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。
项目经验
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。
案例展示
-
基于多模态大模型的电梯异常检测系统
本作品基于人工智能视觉识别与异常检测技术，设计并实现了一套“电梯异常检测系统”，旨在提升电梯运行过程中的安全性与智能管理水平。本作品能够弥补电梯场景中出现的潜在危险事件，如电动车进入电梯、人员搬运大件玻璃、异常杂物滞留等情况，并通过警示机制对物业或管理人员进行提醒，避免安全事故发
-
基于深度学习的显微镜下微生物菌种识别系统
基于深度学习的显微镜下微生物菌种识别系统是一套面向微生物检测与科研分析的智能识别平台，旨在解决传统显微镜观察效率低、人工识别主观性强以及生长状态难以持续监测等问题。系统结合计算机视觉与深度学习技术，实现微生物菌种的自动识别、精准分割，为实验室研究和微生物培养提供智能化辅助支持。
-
基于深度学习的显微镜下微生物菌种识别系统
基于深度学习的显微镜下微生物菌种识别系统是一套面向微生物检测与科研分析的智能识别平台，旨在解决传统显微镜观察效率低、人工识别主观性强以及生长状态难以持续监测等问题。系统结合计算机视觉与深度学习技术，实现微生物菌种的自动识别、精准分割，为实验室研究和微生物培养提供智能化辅助支持。
