msknd
博士生
北京理工大学 · 1年经验
日薪：
￥700/8h
地点：
北京
时间：
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
主要使用 Python 进行数据处理、机器学习与深度学习开发，熟悉 PyTorch、TensorFlow 等框架，具备 C++、Java 和 MySQL 基础。
熟悉数据清洗、缺失值处理、特征提取、模型训练与性能评估等流程，在计算机视觉、图神经网络、多模态学习及生成式数据增强等方向有实际项目经验。
能够根据需求完成数据预处理、机器学习模型搭建与复现、实验对比和结果可视化等任务，注重代码质量、沟通效率与实际问题的解决。
熟悉数据清洗、缺失值处理、特征提取、模型训练与性能评估等流程，在计算机视觉、图神经网络、多模态学习及生成式数据增强等方向有实际项目经验。
能够根据需求完成数据预处理、机器学习模型搭建与复现、实验对比和结果可视化等任务，注重代码质量、沟通效率与实际问题的解决。
项目经验
参与过多个机器学习与深度学习相关项目，涵盖多模态数据增强、图数据异常检测和表格数据建模等方向。
在多模态数据增强项目中，负责数据质量分析、图像相似度检测、缺失数据处理及模型训练，通过数据增强与实验对比改善数据质量和模型表现。
在图数据异常检测项目中，参与图神经网络模型复现与改进，设计对比实验，使用 AUC、F1 等指标评估模型性能，在多个数据集上取得一定的性能提升。
此外，还使用 PyTorch、TensorFlow 等框架实现过 GAN、自编码器等模型，用于数据增强和分类性能优化。
在多模态数据增强项目中，负责数据质量分析、图像相似度检测、缺失数据处理及模型训练，通过数据增强与实验对比改善数据质量和模型表现。
在图数据异常检测项目中，参与图神经网络模型复现与改进，设计对比实验，使用 AUC、F1 等指标评估模型性能，在多个数据集上取得一定的性能提升。
此外，还使用 PyTorch、TensorFlow 等框架实现过 GAN、自编码器等模型，用于数据增强和分类性能优化。
ID:436164
复制
msknd
博士生 · 1年经验 · 北京理工大学
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
主要使用 Python 进行数据处理、机器学习与深度学习开发，熟悉 PyTorch、TensorFlow 等框架，具备 C++、Java 和 MySQL 基础。
熟悉数据清洗、缺失值处理、特征提取、模型训练与性能评估等流程，在计算机视觉、图神经网络、多模态学习及生成式数据增强等方向有实际项目经验。
能够根据需求完成数据预处理、机器学习模型搭建与复现、实验对比和结果可视化等任务，注重代码质量、沟通效率与实际问题的解决。
熟悉数据清洗、缺失值处理、特征提取、模型训练与性能评估等流程，在计算机视觉、图神经网络、多模态学习及生成式数据增强等方向有实际项目经验。
能够根据需求完成数据预处理、机器学习模型搭建与复现、实验对比和结果可视化等任务，注重代码质量、沟通效率与实际问题的解决。
项目经验
参与过多个机器学习与深度学习相关项目，涵盖多模态数据增强、图数据异常检测和表格数据建模等方向。
在多模态数据增强项目中，负责数据质量分析、图像相似度检测、缺失数据处理及模型训练，通过数据增强与实验对比改善数据质量和模型表现。
在图数据异常检测项目中，参与图神经网络模型复现与改进，设计对比实验，使用 AUC、F1 等指标评估模型性能，在多个数据集上取得一定的性能提升。
此外，还使用 PyTorch、TensorFlow 等框架实现过 GAN、自编码器等模型，用于数据增强和分类性能优化。
在多模态数据增强项目中，负责数据质量分析、图像相似度检测、缺失数据处理及模型训练，通过数据增强与实验对比改善数据质量和模型表现。
在图数据异常检测项目中，参与图神经网络模型复现与改进，设计对比实验，使用 AUC、F1 等指标评估模型性能，在多个数据集上取得一定的性能提升。
此外，还使用 PyTorch、TensorFlow 等框架实现过 GAN、自编码器等模型，用于数据增强和分类性能优化。
立即沟通
