eMmmmmm
电子信息研究生
西南大学 · 1年经验
日薪：
￥500/8h
地点：
大连
时间：
下班后周六周日
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
熟悉 Python、Java、C/C++ 等编程语言，具备较扎实的计算机基础与独立开发、调试和问题排查能力。熟悉 PyTorch 深度学习框架，能够完成模型训练、微调、推理、评测及 GPU/CUDA 环境部署，具有 Windows、Linux、服务器及 Conda 环境配置经验。
熟悉计算机视觉与深度学习相关技术，接触并实践过图像分类、语义分割、边缘检测、深度估计、表面法线预测等任务；熟悉 Transformer、Adapter、LoRA 等参数高效微调方法，具有持续学习、多模型动态路由、专家模型选择、模型参数迁移等项目实践经验。
具有大语言模型应用开发经验，使用过 CodeT5+ 等预训练模型进行代码生成与源代码漏洞修复，熟悉模型微调、数据集处理以及 BLEU、EM 等指标评测。能够使用 Gradio 搭建 AI 应用界面，并结合 OCR、文件上传、模型推理等功能完成完整应用。
熟悉 Dify 工作流及 RAG 应用搭建，包括知识库、LLM 节点、工具节点、提示词设计、图生图工作流等。了解 Stable Diffusion、AI 绘画及 AI 视频生成相关工作流，可进行提示词设计与生成式 AI 应用开发。
具备 Git/GitHub、Anaconda、PyCharm、VS Code 等开发工具使用经验，能够进行服务器部署、SSH/SFTP、依赖配置及常见环境问题排查。可承接 Python 开发、AI/深度学习项目、模型微调与部署、Dify/RAG、数据处理、计算机视觉及课程项目等需求。
熟悉计算机视觉与深度学习相关技术，接触并实践过图像分类、语义分割、边缘检测、深度估计、表面法线预测等任务；熟悉 Transformer、Adapter、LoRA 等参数高效微调方法，具有持续学习、多模型动态路由、专家模型选择、模型参数迁移等项目实践经验。
具有大语言模型应用开发经验，使用过 CodeT5+ 等预训练模型进行代码生成与源代码漏洞修复，熟悉模型微调、数据集处理以及 BLEU、EM 等指标评测。能够使用 Gradio 搭建 AI 应用界面，并结合 OCR、文件上传、模型推理等功能完成完整应用。
熟悉 Dify 工作流及 RAG 应用搭建，包括知识库、LLM 节点、工具节点、提示词设计、图生图工作流等。了解 Stable Diffusion、AI 绘画及 AI 视频生成相关工作流，可进行提示词设计与生成式 AI 应用开发。
具备 Git/GitHub、Anaconda、PyCharm、VS Code 等开发工具使用经验，能够进行服务器部署、SSH/SFTP、依赖配置及常见环境问题排查。可承接 Python 开发、AI/深度学习项目、模型微调与部署、Dify/RAG、数据处理、计算机视觉及课程项目等需求。
项目经验
1. 基于大语言模型的源代码漏洞修复系统
基于 CodeT5+ 预训练模型完成源代码自动漏洞修复系统的设计与实现。负责数据集清洗与预处理、模型微调、训练参数配置、模型评测及应用端开发。使用十万级代码样本进行训练，通过 BLEU、Exact Match、Fix Rate 等指标评估模型效果，并使用 Gradio 搭建可视化系统，支持代码文本输入、文件上传及 OCR 图片识别后自动修复代码，完成从模型训练到应用部署的完整流程。
2. 面向连续视觉任务的动态专家路由与迁移学习系统
设计并实现多模型动态选择与迁移框架，面向分类、语义分割、深度估计、边缘检测、表面法线预测等不同视觉任务，根据新任务特征自动选择合适的专家模型。完成 NYUv2、PASCAL-Context、Cityscapes、KITTI Depth 等真实数据集接入，并实现 Probe-Loss、Learned Router、Similarity 等多种专家路由策略以及 Reuse/Adapt/Expand 动态模型处理机制，同时开展 Adapter 参数迁移与持续学习实验。
3. ODESEMA 持续学习与参数高效适配研究
基于 PyTorch 开展预训练视觉模型持续学习研究，在 Adapter 参数高效微调与自扩展机制基础上，引入动态扩展控制与连续参数演化方法，完成模型设计、代码实现、消融实验、指标统计及论文撰写。项目涉及 CIFAR-100、ImageNet-A/R、TinyImageNet、VTAB 等数据集，并完成多阶段持续学习实验与性能分析。
4. Dify + RAG 智能 AI 应用
基于 Dify 搭建生成式 AI 工作流，完成知识库/RAG、LLM 节点、用户输入、工具调用及提示词系统设计，并针对 AI 绘画场景设计图生图、风格控制及智能问答流程。具备从知识库构建、工作流编排到实际 AI 应用落地的完整实践经验。
基于 CodeT5+ 预训练模型完成源代码自动漏洞修复系统的设计与实现。负责数据集清洗与预处理、模型微调、训练参数配置、模型评测及应用端开发。使用十万级代码样本进行训练，通过 BLEU、Exact Match、Fix Rate 等指标评估模型效果，并使用 Gradio 搭建可视化系统，支持代码文本输入、文件上传及 OCR 图片识别后自动修复代码，完成从模型训练到应用部署的完整流程。
2. 面向连续视觉任务的动态专家路由与迁移学习系统
设计并实现多模型动态选择与迁移框架，面向分类、语义分割、深度估计、边缘检测、表面法线预测等不同视觉任务，根据新任务特征自动选择合适的专家模型。完成 NYUv2、PASCAL-Context、Cityscapes、KITTI Depth 等真实数据集接入，并实现 Probe-Loss、Learned Router、Similarity 等多种专家路由策略以及 Reuse/Adapt/Expand 动态模型处理机制，同时开展 Adapter 参数迁移与持续学习实验。
3. ODESEMA 持续学习与参数高效适配研究
基于 PyTorch 开展预训练视觉模型持续学习研究，在 Adapter 参数高效微调与自扩展机制基础上，引入动态扩展控制与连续参数演化方法，完成模型设计、代码实现、消融实验、指标统计及论文撰写。项目涉及 CIFAR-100、ImageNet-A/R、TinyImageNet、VTAB 等数据集，并完成多阶段持续学习实验与性能分析。
4. Dify + RAG 智能 AI 应用
基于 Dify 搭建生成式 AI 工作流，完成知识库/RAG、LLM 节点、用户输入、工具调用及提示词系统设计，并针对 AI 绘画场景设计图生图、风格控制及智能问答流程。具备从知识库构建、工作流编排到实际 AI 应用落地的完整实践经验。
eMmmmmm
电子信息研究生 · 1年经验 · 西南大学
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
熟悉 Python、Java、C/C++ 等编程语言，具备较扎实的计算机基础与独立开发、调试和问题排查能力。熟悉 PyTorch 深度学习框架，能够完成模型训练、微调、推理、评测及 GPU/CUDA 环境部署，具有 Windows、Linux、服务器及 Conda 环境配置经验。
熟悉计算机视觉与深度学习相关技术，接触并实践过图像分类、语义分割、边缘检测、深度估计、表面法线预测等任务；熟悉 Transformer、Adapter、LoRA 等参数高效微调方法，具有持续学习、多模型动态路由、专家模型选择、模型参数迁移等项目实践经验。
具有大语言模型应用开发经验，使用过 CodeT5+ 等预训练模型进行代码生成与源代码漏洞修复，熟悉模型微调、数据集处理以及 BLEU、EM 等指标评测。能够使用 Gradio 搭建 AI 应用界面，并结合 OCR、文件上传、模型推理等功能完成完整应用。
熟悉 Dify 工作流及 RAG 应用搭建，包括知识库、LLM 节点、工具节点、提示词设计、图生图工作流等。了解 Stable Diffusion、AI 绘画及 AI 视频生成相关工作流，可进行提示词设计与生成式 AI 应用开发。
具备 Git/GitHub、Anaconda、PyCharm、VS Code 等开发工具使用经验，能够进行服务器部署、SSH/SFTP、依赖配置及常见环境问题排查。可承接 Python 开发、AI/深度学习项目、模型微调与部署、Dify/RAG、数据处理、计算机视觉及课程项目等需求。
熟悉计算机视觉与深度学习相关技术，接触并实践过图像分类、语义分割、边缘检测、深度估计、表面法线预测等任务；熟悉 Transformer、Adapter、LoRA 等参数高效微调方法，具有持续学习、多模型动态路由、专家模型选择、模型参数迁移等项目实践经验。
具有大语言模型应用开发经验，使用过 CodeT5+ 等预训练模型进行代码生成与源代码漏洞修复，熟悉模型微调、数据集处理以及 BLEU、EM 等指标评测。能够使用 Gradio 搭建 AI 应用界面，并结合 OCR、文件上传、模型推理等功能完成完整应用。
熟悉 Dify 工作流及 RAG 应用搭建，包括知识库、LLM 节点、工具节点、提示词设计、图生图工作流等。了解 Stable Diffusion、AI 绘画及 AI 视频生成相关工作流，可进行提示词设计与生成式 AI 应用开发。
具备 Git/GitHub、Anaconda、PyCharm、VS Code 等开发工具使用经验，能够进行服务器部署、SSH/SFTP、依赖配置及常见环境问题排查。可承接 Python 开发、AI/深度学习项目、模型微调与部署、Dify/RAG、数据处理、计算机视觉及课程项目等需求。
项目经验
1. 基于大语言模型的源代码漏洞修复系统
基于 CodeT5+ 预训练模型完成源代码自动漏洞修复系统的设计与实现。负责数据集清洗与预处理、模型微调、训练参数配置、模型评测及应用端开发。使用十万级代码样本进行训练，通过 BLEU、Exact Match、Fix Rate 等指标评估模型效果，并使用 Gradio 搭建可视化系统，支持代码文本输入、文件上传及 OCR 图片识别后自动修复代码，完成从模型训练到应用部署的完整流程。
2. 面向连续视觉任务的动态专家路由与迁移学习系统
设计并实现多模型动态选择与迁移框架，面向分类、语义分割、深度估计、边缘检测、表面法线预测等不同视觉任务，根据新任务特征自动选择合适的专家模型。完成 NYUv2、PASCAL-Context、Cityscapes、KITTI Depth 等真实数据集接入，并实现 Probe-Loss、Learned Router、Similarity 等多种专家路由策略以及 Reuse/Adapt/Expand 动态模型处理机制，同时开展 Adapter 参数迁移与持续学习实验。
3. ODESEMA 持续学习与参数高效适配研究
基于 PyTorch 开展预训练视觉模型持续学习研究，在 Adapter 参数高效微调与自扩展机制基础上，引入动态扩展控制与连续参数演化方法，完成模型设计、代码实现、消融实验、指标统计及论文撰写。项目涉及 CIFAR-100、ImageNet-A/R、TinyImageNet、VTAB 等数据集，并完成多阶段持续学习实验与性能分析。
4. Dify + RAG 智能 AI 应用
基于 Dify 搭建生成式 AI 工作流，完成知识库/RAG、LLM 节点、用户输入、工具调用及提示词系统设计，并针对 AI 绘画场景设计图生图、风格控制及智能问答流程。具备从知识库构建、工作流编排到实际 AI 应用落地的完整实践经验。
基于 CodeT5+ 预训练模型完成源代码自动漏洞修复系统的设计与实现。负责数据集清洗与预处理、模型微调、训练参数配置、模型评测及应用端开发。使用十万级代码样本进行训练，通过 BLEU、Exact Match、Fix Rate 等指标评估模型效果，并使用 Gradio 搭建可视化系统，支持代码文本输入、文件上传及 OCR 图片识别后自动修复代码，完成从模型训练到应用部署的完整流程。
2. 面向连续视觉任务的动态专家路由与迁移学习系统
设计并实现多模型动态选择与迁移框架，面向分类、语义分割、深度估计、边缘检测、表面法线预测等不同视觉任务，根据新任务特征自动选择合适的专家模型。完成 NYUv2、PASCAL-Context、Cityscapes、KITTI Depth 等真实数据集接入，并实现 Probe-Loss、Learned Router、Similarity 等多种专家路由策略以及 Reuse/Adapt/Expand 动态模型处理机制，同时开展 Adapter 参数迁移与持续学习实验。
3. ODESEMA 持续学习与参数高效适配研究
基于 PyTorch 开展预训练视觉模型持续学习研究，在 Adapter 参数高效微调与自扩展机制基础上，引入动态扩展控制与连续参数演化方法，完成模型设计、代码实现、消融实验、指标统计及论文撰写。项目涉及 CIFAR-100、ImageNet-A/R、TinyImageNet、VTAB 等数据集，并完成多阶段持续学习实验与性能分析。
4. Dify + RAG 智能 AI 应用
基于 Dify 搭建生成式 AI 工作流，完成知识库/RAG、LLM 节点、用户输入、工具调用及提示词系统设计，并针对 AI 绘画场景设计图生图、风格控制及智能问答流程。具备从知识库构建、工作流编排到实际 AI 应用落地的完整实践经验。
立即沟通
