逻辑思维强，学习能力强，勇于面对挑战；对人真诚，对事负责；具有很强的团队协作能力和沟通能力，富有独立分析和解决问题的能力。

英语(熟练)  OutLook Express(精通)  数据挖掘(精通)  Python(精通)

2019-05至今——公司:泛亚汽车技术中心有限公司
行业:仪器仪表/工业自动化
性质:合资
部门:  整车集成部
职位: 汽车设计工程师

工作描述：1.汽车NVH（振动和噪声）的仿真分析：开发新车的舒适性，分析前沿的汽车NVH技术，具有很强的前瞻性；
2.技术类型：运用软件头文件代码，进行快速运算，得出模态振型

2016-09至2019-03——公司:上海同健远大环保科技有限公司(少于50人)
行业:计算机软件
性质:民营公司
部门:  科技部
职位: 深度学习工程师(兼职)

工作描述：学习并负责和参与人工智能项目：参与导师公司科技部的组建，学习机器学习、深度学习等算法，并且负责和参与多个相关项目

2016-07至2016-08——公司:通用电气有限公司
行业:电气/电力/水利
性质:外资(非欧美)
部门:  智能平台
职位: 售前/售后技术支持工程师(兼职)

工作描述：负责PLC售后技术服务及日常事务的处理

2014-09至2015-01——公司:上汽通用汽车有限公司(10000人以上)
行业:汽车及零配件
性质:合资
部门:  人力资源
职位: 人力资源信息系统专员(兼职)

工作描述：1、负责实习生以及见习生的招聘，包括一线流水线上操作工的招聘和主持，并整理招聘后的资料，大大提升自己在人群中的演说能力；
2、参与应届大学生的现场招聘，以及对候选人的评估。

2019-09至2019-10——知识图谱学习
项目描述：学习知识图谱的建立，建立了各个行业包括金融、医疗和农业相关的知识图谱。
1、金融：1、爬取?上公开的数据，存为cvs格式，搭建知识图谱思路；2、创建4种节点类型和3种关系，导入到neo4j形成一个小型的知识图谱；3、编写Cypher语句回答问题；
2、医疗：1、数据获取：利用NER实现实体的抽取，关系抽取采用同样的网络结构；2、建立知识图谱：用neo4j import导入csv；3、搭建问答系统接口；
3、农业：1、数据获取：爬取wikidata上的实体、关系及属性，保存为csv格式。2、建立知识图谱：直接从端口导入。3、用Django 接口制作网页问答搜索系统。

2019-06至2019-07——售后评价分类
项目描述：为了提高公司售后服务质量，对公司售后评价进行分类，设计了由CNN与RNN两种文本分类模式，模型经过调试，最终模型在测试集上的准确率达到93.4%：
1、根据需求进行深入理解，了解了传统分类算法，最后采用CNN和RNN两种算法网络进行对比研究，找出了适用于汽车行业售后的文本分类模型；
2、模型调优：对模型框架进行改进（+1.4%）以及所有可训练参数进行调整（+2.7%）；
3、模型部署，将模型进行部署上线，定期根据售后数据对售后服务质量进行识别；
4、问题修复，由于存在一些问题，并且引入一些规则，最后模型在测试集上的准确率提高了1.3%，在此项目中负责算法的研究与模型的搭建。

2018-09至2019-03——聊天机器人--Seq2Seq
所属公司：上海同健远大环保科技有限公司
项目描述：根据公司的战略需求，将服务智能化，运用目前的技术开发基于生成式和检索式相结合的对话系统。本项目分为两个部分，生成式部分运用seq2seq框架进行对话系统的模型构建。
1.模型调研：根据当前的对话系统的技术情况，确定检索式为主，生成式为辅的技术。
2.数据预处理：根据样本情况，将样本处理为严格的一问一答的问答对，依长度对问答对进行分组，以避免padding引入过多，使得长句子过于稀疏。同时根据数据长度生成不同bucket文件，以节约计算资源。 
3.算法设计：在encoder、decoder中使用双层LSTM，在计算损失函数时采用sampled softmax loss以防止内存爆炸。
4.模型调优：改变学习率、Attention的num_heads以提高模型的准确率，同时在decoder阶段为了更好的提取特征信息，将decoder中的句子反转以增强句子向量的语义信息，以防止句子越长，靠前的信息损失越多的情况。
5.模型完善：加入检索模式，通过相似度计算方法对问句进行匹配。这样，输入一句话优先进行相似度匹配，匹配不上进入seq2seq进行预测答案。

2018-06至2018-10——合理用药系统--命名实体识别
所属公司：上海同健远大环保科技有限公司
项目描述：为了准确提取出药品说明书以及电子病历中药品、疾病、症状等信息，设计了基于IDCNN + CRF的命名实体识别（NER)模型，该模型经过优化调参，最终F1指标达到92.3%。
1.模型调研：充分了解实体识别当前的发展进程，进行算法调研，确定使用目前较为流行、准确率较高的算法模型。
2.数据预处理阶段：针对客户公司提供的电子病历的相关数据，确定对数据的标注方式，利用BIOES方法对数据进行长度和边界特征信息的标注。采用机器对文本数据进行分词，人工辅助标注的方法对数据进行标注。
3.模型设计：为了解决部分实体名字特别长，如何获得更长的上下文依赖问题。设计了IDCNN+CRF、BiLSTM+CRF两套网络进行对比。IDCNN网络里运用了3种膨胀卷积（膨胀系数分别为1，1，2的1*3的卷积核），共建立了12层卷积层，而BiLSTM网络则是构建了三层双向LSTM。结果表明前者的网络效果优于后者的。这有效的解决了长文本名字的问题。
4.模型调优：1、参数方面：微调学习率以提升模型收敛速度，微调dropout、batch_size等参数。2、在数据处理方面，将样本中的数字统一用0替换，英文字母统一改为小写，加入预先训练好的字向量，同时加入切词信息，以解决字向量语义不准确问题，提高模型的准确率。
5.上线评估：将模型上线，收集新样本、错误样本。增强错误样本比重，将新样本、错误样本加入到训练集中重复训练模型，以保证识别不准的样本和新样本识别正确。

2018-03至2018-06——金融量化交易投资
所属公司：上海同健远大环保科技有限公司
项目描述：系统了解经济学：包括宏观知识的货币政策和财政政策，清楚了解房地产、股票、大宗商品等交易，研究分析财务报表并在现实中使用，获取收益；
1.收集数据，利用Tushare和Wind调用数据；对数据进行清洗和预处理，利用python将K线、MA、EMA、MACD、boll布林轨线可视化展示出来；
2.用代码实现量化投资：利用Tushare调用报告分析中常用的技术指标，包括分红股、业绩预报、限售股解禁、基金持股状态和融资融券等信息；
3.实现海龟法的量化投资行业报告;
项目负责人

2017-09至2018-04——园林垃圾破碎收集车
项目描述：1、负责主要相关参数的计算，并对液压系统进行设计选型；
2、参与园林垃圾破碎收集车的设计，确定整车机构。
项目负责人

2017-09至今——基于餐厨垃圾厌氧消化的制浆处理设备及关键技术研究
项目描述：1、研究餐厨垃圾制浆处理机理，破碎过程中主要参数的理论研究以及工艺参数的确定；
2、研究设备的密封结构以及确定整机机构并完成实验。
项目负责人

2016-09至2019-03——同济大学
机械工程及自动化 硕士
人工智能方向

2012-09至2016-07——上海海事大学
机械设计制造及其自动化 本科

2016-01——大学英语六级