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。
ID:431381
复制
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。
案例展示
基于RAG的扫地机器人智能客服
智扫通RAG客服助手是一个面向扫地机器人售后与产品咨询场景的智能客服项目。系统基于 Streamlit 构建交互界面，结合 LangChain Agent 和 Chroma 向量数据库，实现本地知识库检索增强问答。项目内置扫地机器人常见问题、故障排除、维护保养、选购指南等资料，可
基于RVC的人声转换系统
SVC Studio 是一个基于 RVC 思路构建的授权声线歌声转换前端工具。项目将原有 Python 声音转换流水线封装为可视化 Web UI，支持上传演唱音频、选择配置文件、设置目标声线、截取指定片段，并一键导出转换结果和分离人声。系统内置音频读取、重采样、人声分离接口、F0
立即沟通
