梦关山
雷达助理工程师
空*某部 · 5年经验
日薪：
￥500/8h
地点：
无锡
时间：
下班后周六周日可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
编程语言： 熟练掌握 Python、C++，能独立完成中小型软件工具开发与脚本编写。
数据与算法： 具备扎实的数理基础（线代、微积分），熟练使用 Python 科学计算栈（NumPy/Pandas）进行复杂数据建模、时序数据分析与算法验证。
通信与硬件底层： 熟悉无线通信链路、信号处理及多址技术原理，能够胜任物联网（IoT）设备数据采集、协议解析及底层通信逻辑的调试验证。
AI 效率工具： 熟练集成当前主流大模型 API 辅助开发，能快速搭建基于业务场景的自动化工作流。
数据与算法： 具备扎实的数理基础（线代、微积分），熟练使用 Python 科学计算栈（NumPy/Pandas）进行复杂数据建模、时序数据分析与算法验证。
通信与硬件底层： 熟悉无线通信链路、信号处理及多址技术原理，能够胜任物联网（IoT）设备数据采集、协议解析及底层通信逻辑的调试验证。
AI 效率工具： 熟练集成当前主流大模型 API 辅助开发，能快速搭建基于业务场景的自动化工作流。
项目经验
项目一：量化交易（股票/期货）算法辅助软件（独立开发）
项目背景： 针对个人交易策略，需要一套自动化的行情监控与算法执行工具。
使用 Python/C++ 独立完成软件底层架构；对接第三方行情 API，实现历史数据清洗与实时数据流抓取；基于复杂数学逻辑编写量化指标计算模块（包含频谱分析思维的应用）。
成功搭建具备高稳定性与低延迟的交易辅助终端，支持自定义策略回测与实时信号预警。
项目二：基于深度学习的复杂电磁环境信号特征识别算法
运用信号与系统及频谱分析理论，使用 Python 编写底层通信链路仿真脚本，生成包含白噪声与信道衰落的大规模 IQ 采样信号数据集。基于 PyTorch/TensorFlow 框架，独立设计并搭建卷积神经网络（CNN）与残差网络模型，对时频域复杂数据进行深度特征挖掘与模型训练调优。
结果产出： 成功攻克低信噪比下的分类难题，实现了对多种复杂调制信号的高精度自动识别。模型在测试集上的准确率较传统算法提升显著，相关算法逻辑已沉淀为学术论文，并具备进一步工程化与边缘端部署的潜力。
项目背景： 针对个人交易策略，需要一套自动化的行情监控与算法执行工具。
使用 Python/C++ 独立完成软件底层架构；对接第三方行情 API，实现历史数据清洗与实时数据流抓取；基于复杂数学逻辑编写量化指标计算模块（包含频谱分析思维的应用）。
成功搭建具备高稳定性与低延迟的交易辅助终端，支持自定义策略回测与实时信号预警。
项目二：基于深度学习的复杂电磁环境信号特征识别算法
运用信号与系统及频谱分析理论，使用 Python 编写底层通信链路仿真脚本，生成包含白噪声与信道衰落的大规模 IQ 采样信号数据集。基于 PyTorch/TensorFlow 框架，独立设计并搭建卷积神经网络（CNN）与残差网络模型，对时频域复杂数据进行深度特征挖掘与模型训练调优。
结果产出： 成功攻克低信噪比下的分类难题，实现了对多种复杂调制信号的高精度自动识别。模型在测试集上的准确率较传统算法提升显著，相关算法逻辑已沉淀为学术论文，并具备进一步工程化与边缘端部署的潜力。
梦关山
雷达助理工程师 · 5年经验 · 空*某部
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
编程语言： 熟练掌握 Python、C++，能独立完成中小型软件工具开发与脚本编写。
数据与算法： 具备扎实的数理基础（线代、微积分），熟练使用 Python 科学计算栈（NumPy/Pandas）进行复杂数据建模、时序数据分析与算法验证。
通信与硬件底层： 熟悉无线通信链路、信号处理及多址技术原理，能够胜任物联网（IoT）设备数据采集、协议解析及底层通信逻辑的调试验证。
AI 效率工具： 熟练集成当前主流大模型 API 辅助开发，能快速搭建基于业务场景的自动化工作流。
数据与算法： 具备扎实的数理基础（线代、微积分），熟练使用 Python 科学计算栈（NumPy/Pandas）进行复杂数据建模、时序数据分析与算法验证。
通信与硬件底层： 熟悉无线通信链路、信号处理及多址技术原理，能够胜任物联网（IoT）设备数据采集、协议解析及底层通信逻辑的调试验证。
AI 效率工具： 熟练集成当前主流大模型 API 辅助开发，能快速搭建基于业务场景的自动化工作流。
项目经验
项目一：量化交易（股票/期货）算法辅助软件（独立开发）
项目背景： 针对个人交易策略，需要一套自动化的行情监控与算法执行工具。
使用 Python/C++ 独立完成软件底层架构；对接第三方行情 API，实现历史数据清洗与实时数据流抓取；基于复杂数学逻辑编写量化指标计算模块（包含频谱分析思维的应用）。
成功搭建具备高稳定性与低延迟的交易辅助终端，支持自定义策略回测与实时信号预警。
项目二：基于深度学习的复杂电磁环境信号特征识别算法
运用信号与系统及频谱分析理论，使用 Python 编写底层通信链路仿真脚本，生成包含白噪声与信道衰落的大规模 IQ 采样信号数据集。基于 PyTorch/TensorFlow 框架，独立设计并搭建卷积神经网络（CNN）与残差网络模型，对时频域复杂数据进行深度特征挖掘与模型训练调优。
结果产出： 成功攻克低信噪比下的分类难题，实现了对多种复杂调制信号的高精度自动识别。模型在测试集上的准确率较传统算法提升显著，相关算法逻辑已沉淀为学术论文，并具备进一步工程化与边缘端部署的潜力。
项目背景： 针对个人交易策略，需要一套自动化的行情监控与算法执行工具。
使用 Python/C++ 独立完成软件底层架构；对接第三方行情 API，实现历史数据清洗与实时数据流抓取；基于复杂数学逻辑编写量化指标计算模块（包含频谱分析思维的应用）。
成功搭建具备高稳定性与低延迟的交易辅助终端，支持自定义策略回测与实时信号预警。
项目二：基于深度学习的复杂电磁环境信号特征识别算法
运用信号与系统及频谱分析理论，使用 Python 编写底层通信链路仿真脚本，生成包含白噪声与信道衰落的大规模 IQ 采样信号数据集。基于 PyTorch/TensorFlow 框架，独立设计并搭建卷积神经网络（CNN）与残差网络模型，对时频域复杂数据进行深度特征挖掘与模型训练调优。
结果产出： 成功攻克低信噪比下的分类难题，实现了对多种复杂调制信号的高精度自动识别。模型在测试集上的准确率较传统算法提升显著，相关算法逻辑已沉淀为学术论文，并具备进一步工程化与边缘端部署的潜力。
立即沟通
