是阿欢吖
高级算法工程师 · 5年经验 · 生仝智能科技有限公司
0
累计接单
0
用户评价
0
被收藏
技术能力
本人具备5年以上算法研发与落地经验，主要使用 Python 进行模型开发、数据处理与算法服务搭建，具备扎实的机器学习、深度学习理论基础和丰富的工程实践能力。熟悉从数据清洗、特征工程、模型训练调优到模型部署上线的完整流程，在推荐系统、NLP、搜索排序、大模型应用等方向有实际项目经验。
编程语言
精通：Python
熟悉：SQL、Shell
了解：C++、Java、Scala
机器学习 / 深度学习
框架：PyTorch、TensorFlow、Scikit-learn
模型：逻辑回归、GBDT、XGBoost、LightGBM、CatBoost、DNN、CNN、RNN、Transformer、扩散模型等
技术：特征工程、模型融合、超参数优化、模型可解释性、A/B 实验评估
数据处理与大数据
数据分析：NumPy、Pandas、Polars
大数据处理：Spark、Flink、Hive
数据库：MySQL、PostgreSQL、Redis、ClickHouse
向量数据库：Milvus、FAISS
算法方向
推荐系统：召回、排序、重排、向量召回、深度学习推荐模型
自然语言处理：文本分类、命名实体识别、语义匹配、文本生成、大模型微调
搜索 / 广告：Query 理解、相关性排序、CTR/CVR 预估
大模型 / AIGC：LoRA / QLoRA 微调、RAG、LangChain、Agent、Prompt Engineering
计算机视觉：图像分类、目标检测、图像生成
工程化与模型部署
服务开发：FastAPI、Flask、gRPC
模型部署：ONNX、TensorRT、Triton Inference Server
容器与编排：Docker、Kubernetes
调度与流水线：Airflow、Kubeflow、MLflow、DVC
消息队列：Kafka、RabbitMQ
工具与平台
版本管理：Git、GitLab、GitHub
开发环境：Linux、VSCode、Jupyter
云平台：AWS、阿里云、腾讯云
实验管理：Weights & Biases、TensorBoard
核心能力
具备从 0 到 1 搭建算法模型及线上服务能力
熟悉海量数据下的特征工程、模型训练与性能
编程语言
精通：Python
熟悉：SQL、Shell
了解：C++、Java、Scala
机器学习 / 深度学习
框架：PyTorch、TensorFlow、Scikit-learn
模型：逻辑回归、GBDT、XGBoost、LightGBM、CatBoost、DNN、CNN、RNN、Transformer、扩散模型等
技术：特征工程、模型融合、超参数优化、模型可解释性、A/B 实验评估
数据处理与大数据
数据分析：NumPy、Pandas、Polars
大数据处理：Spark、Flink、Hive
数据库：MySQL、PostgreSQL、Redis、ClickHouse
向量数据库：Milvus、FAISS
算法方向
推荐系统：召回、排序、重排、向量召回、深度学习推荐模型
自然语言处理：文本分类、命名实体识别、语义匹配、文本生成、大模型微调
搜索 / 广告：Query 理解、相关性排序、CTR/CVR 预估
大模型 / AIGC：LoRA / QLoRA 微调、RAG、LangChain、Agent、Prompt Engineering
计算机视觉：图像分类、目标检测、图像生成
工程化与模型部署
服务开发：FastAPI、Flask、gRPC
模型部署：ONNX、TensorRT、Triton Inference Server
容器与编排：Docker、Kubernetes
调度与流水线：Airflow、Kubeflow、MLflow、DVC
消息队列：Kafka、RabbitMQ
工具与平台
版本管理：Git、GitLab、GitHub
开发环境：Linux、VSCode、Jupyter
云平台：AWS、阿里云、腾讯云
实验管理：Weights & Biases、TensorBoard
核心能力
具备从 0 到 1 搭建算法模型及线上服务能力
熟悉海量数据下的特征工程、模型训练与性能
项目经验
动物模型智能分析平台研发与工程化
项目背景
面向新药研发中动物实验数据分散、分析效率低、模型复用难的痛点，搭建一体化动物模型智能分析平台，支撑药效评估与实验方案优化。
你的职责
负责动物模型数据建模与核心算法研发，基于Python/PyTorch构建药效预测、疾病模型分类等模型；独立完成平台全栈开发（FastAPI + React + PostgreSQL），设计RESTful API与可视化界面；主导Docker + Kubernetes容器化部署，搭建CI/CD流水线，保证服务高可用。
结果产出
平台已上线并支撑3个在研药物项目，累计管理动物实验数据10万+条；核心药效预测模型AUC达0.91，较传统统计方法提升15%；实验方案设计周期缩短30%，数据处理效率提升40%
医助培训平台全栈开发
项目背景
针对医疗助理培训资源分散、实操机会少、考核效率低等问题，搭建集在线课程、模拟病例、智能答疑与考核管理于一体的医助培训平台。
你的职责
独立负责平台全栈开发，前端采用 Vue3 + Element Plus，后端基于 FastAPI + PostgreSQL + Redis，实现课程管理、学员学习、在线考核、数据看板等模块；集成大语言模型构建智能答疑与虚拟病例问诊功能，开发个性化课程推荐算法；完成 Docker 容器化与 Kubernetes 部署，搭建 CI/CD 流水线。
结果产出
平台已服务 500+ 名医助学员，累计课程学习时长超 2 万小时；智能答疑准确率达 92%，课程推荐点击率提升 25%；培训考核周期平均缩短 20%，学员满意度达 4.8/5
项目背景
面向新药研发中动物实验数据分散、分析效率低、模型复用难的痛点，搭建一体化动物模型智能分析平台，支撑药效评估与实验方案优化。
你的职责
负责动物模型数据建模与核心算法研发，基于Python/PyTorch构建药效预测、疾病模型分类等模型；独立完成平台全栈开发（FastAPI + React + PostgreSQL），设计RESTful API与可视化界面；主导Docker + Kubernetes容器化部署，搭建CI/CD流水线，保证服务高可用。
结果产出
平台已上线并支撑3个在研药物项目，累计管理动物实验数据10万+条；核心药效预测模型AUC达0.91，较传统统计方法提升15%；实验方案设计周期缩短30%，数据处理效率提升40%
医助培训平台全栈开发
项目背景
针对医疗助理培训资源分散、实操机会少、考核效率低等问题，搭建集在线课程、模拟病例、智能答疑与考核管理于一体的医助培训平台。
你的职责
独立负责平台全栈开发，前端采用 Vue3 + Element Plus，后端基于 FastAPI + PostgreSQL + Redis，实现课程管理、学员学习、在线考核、数据看板等模块；集成大语言模型构建智能答疑与虚拟病例问诊功能，开发个性化课程推荐算法；完成 Docker 容器化与 Kubernetes 部署，搭建 CI/CD 流水线。
结果产出
平台已服务 500+ 名医助学员，累计课程学习时长超 2 万小时；智能答疑准确率达 92%，课程推荐点击率提升 25%；培训考核周期平均缩短 20%，学员满意度达 4.8/5
案例展示
医疗语音智能分析系统
本作品“医患沟通智能语音分析与质控平台”面向医疗随访场景，构建了“原始音频/文档输入→多阶段结构化数据入库→智能体技能化深度分析→分析结果再次结构化入库”的完整技术闭环。平台通过faster-whisper自适应转写与转写—后处理并行流水线，实现小时级音频约五分钟近实时处理，并以
医助智能培训平台
医助培训平台是一款面向医疗机构的一体化智能培训产品，涵盖在线课程、虚拟问诊、智能答疑、个性化推荐与在线考核等功能。平台采用 Vue3 + FastAPI + PostgreSQL + Redis 全栈架构，集成大语言模型与推荐算法，解决医助培训资源分散、实操机会少、考核效率低等问
立即沟通
