为人诚实，做事负责；视野开阔，紧跟时代发展；对人友善，善于沟通

Python(精通)  Matlab(精通)  英语(精通)

2017-07至2019-09——公司:上海天马微电子有限公司(10000人以上)
行业:电子技术/半导体/集成电路
性质:国企
部门:  技术开发部
职位: 面板设计

工作描述：一个材料与电子交叉的岗位；
以下项目经验由离职后参加的CSDN课程，吴恩达机器学习，深度学习课程提供，经过半年多的学习与实践，具备丰富的理论知识，广泛的项目经验，包含深度学习，数字图像处理，机器学习

汇报对象:1
下属人数:2
离职原因:个人发展
业绩:提前转正（3/12）；
优秀绩效（2/11）；
一篇英文论文

2020-04至2020-05——深度学习方向：汉字识别
项目描述：利用分类网络去识别不同书法形式的汉字
项目独立完成，具体内容如下：
● 训集共100个汉字，每个汉字100种书写方法，共10000张图片
● 将训练集数据打包成TFrecord形式
● 利用Inception V3进行迁移学习，recall_5的准确率为96.6%
● 搭建Densenet网络进行训练，recall_5准确率为87.5%

2020-04至2020-05——深度学习方向：人脸识别
项目描述：搭建一个人脸识别系统
项目独立完成，具体内容如下：
● 实现方式：视频捕获图像+人脸检测+人脸识别（与数据库对比）+显示识别结果
● 人脸检测采用MTCNN网络，通过Wider_face和LFW训练模型，在FDDB 测试集上的ROC曲线表现良好
● 人脸识别采用Facenet网络，其中用Inception-Resnet-v1代替Inception网络，在LFW上的准确率达99.6%
● 利用opencv建立了人脸数据库，同时实现视频模式下人脸的识别功能，分为三种情况1. 没检查到人脸，画面显示“Can’t detect face”,2.检测到人脸，但不在人脸库中，显示：“This person can’t find in database’”,3.检测到人脸，人脸也与人脸库匹配，画面显示“This person is…..”

2020-02至2020-03——深度学习方向：生成新的图像素材
项目描述：利用神经风格转换技术，生成丰富的艺术风格照片
项目独立完成，具体内容如下：
● 将新图像的每个像素作为训练和优化的目标，代价函数为J=α*J（G,C）+β*J（G，S），其中G代表生成的新图片，C代表内容图片，S代表需要模仿的风格图片，J(G，C)反映了生成图片和内容图片的内容相似度，J（G，S）反映了生成图片和风格图片的风格相似程度，α，β表示两者的权重关系
● 图片通过VGG-19网络来提取不同特征。图像内容通过一个较深激活层来表达，继而内容相似度通过求两张图片激活层的L2 loss体现。图像风格的表征是计算同一层不同通道的相关系数，然后不同层进行加权和表达，最后不同图像的风格相似度再采用L2 loss表达。
● 通过调节相关的参数进行模型训练，获得了效果比较好的新图像

2020-01至2020-01——深度学习方面：手写数字识别
项目描述：不同模型下手写数字识别效果的确认
项目独立完成，具体内容如下：
● 采用十个Logistics回归分类器来识别0~9个数字，最终的验证集准确率为90.6%
● 采用全连接神经网络（两层），未优化情况下准确率为94.6%，通过增加隐层、L1正则和一些训练参数调整后准确率达98.0%
● 采用卷积神经网络加全连接的方式（两层卷积+两个全连接层+softmax），准确率轻松达到98.18%

2019-12至2020-01——数字图像处理方面：视频跟踪
项目描述：分割一段视频中的前景和背景画面，并跟踪视频中出现的行人
项目独立完成，具体内容如下：
● 采用高斯混合模型进行视频前景和背景的分割
● 提取前景轮廓，去除轮廓面积较小的目标
● 采用Shi-Tomasi 算法进行角点提取
● 最后采用光流估计方法进行目标的跟踪

2019-12至2019-12——数字图像处理方面：米粒分割
项目描述：检测给定图片中的所有米粒，计算米粒面积，直径的直方图和方差
项目独立完成，具体内容如下：
● 解决思路：图像采集，图像预处理，基于灰度的阈值分割，图像特征描述及目标分析，得到最终结果
● 关键部分：采用基于大津算法的阈值分割后，需要进行形态学开运算去除噪声；接着获取米粒轮廓，计算最小外接矩形，从而可以计算米粒的直径和方差
● 最终结果：在原图中标出每个米粒的最小外接矩形，米粒标号等信息，计算3 sigma范围内的米粒个数

2019-11至2019-11——机器学习方面：共享单车预测
项目描述：根据Capital Bikeshare公司提供的自行车数据进行回归分析。根据每天的天气信息，预测该天的单车共享骑行量
项目独立完成，具体内容如下：
● 基本步骤：原始数据读入与查看，数据探索，特征工程，模型选择与训练，结果分析
● 通过pandas进行了数据的读入与查看，有15维特征，731条数据（两年的骑行量数据）
● 数据探索：主要分析了各特征的分布，各特征与骑行量的相关性，特征之间的相关性
● 特征工作：对类别型特征进行独热编码，对数值型特征进行标准化/MinMaxScaler，去量纲
● 模型训练和选择：尝试了最小二乘，岭回归和loss回归模型训练与验证
● 结果分析：岭回归的预测效果最佳，因为它相对于最小二乘，通过L2正则有效的削弱了一些权重的大小，loss回归预测效果最差，因为它将许多权重变成了0，是一个稀疏模型

2019-11至2019-12——数字图像处理方面：相机标定
项目描述：对自己的手机摄像头进行相机标定
项目独立完成，具体内容如下：
● 思路：利用棋盘格和Zhang方法进行相机标定
● 制作带有棋盘格的纸盒，用手机从不同角度拍照，并保存图片
● 根据Zhang方法的相机标定思路进行编程，最终获得手机摄像头的内参数矩阵，和畸变参数

2019-10至2019-10——机器学习方面：电影推荐
项目描述：利用协同过滤算法进行电影推荐
独立完成项目，具体内容如下：
● 首先是将电影推荐进行数学建模，每个用户对不同电影类型的偏爱用一个权重向量描述，每部电影的类型通过一个特征向量描述，每个用户对每部电影会有一个评价得分，共三种类型的数据
● 电影的评分可以通过每个用户的权重向量和每部电影的特征向量相乘来表示，继而可以构建一个类似线性回归的代价函数训练模型，获得用户的权重向量和每部电影的特征向量
● 当已知用户的偏好，就可以根据训练的电影特征向量，预测用户喜欢看的电影

2019-10至2019-11——机器学习方面：糖尿病发病预测
项目描述：根据现有的医疗信息预测5年内皮马印第安人糖尿病发作的概率
项目独立完成，具体内容如下：
● 基本步骤与上述共享单车的线性回归预测的步骤相似，不同之处在于采用logistics回归代替线性回归，并进行了交叉验证
● 采用负log似然损失评价模型，最佳参数是C=1，‘Penalty’=L1；采用正确率评价模型，最佳参数是C=0.1，‘Penalty’=L2

2019-09至2019-09——机器学习方面：异常检测
项目描述：利用高斯模型判断服务器电脑是否异常
独立完成，具体内容如下：
● 获取与服务器电脑异常相关的特征：上传速度和延迟
● 计算每一维度特征的均值和方法，从而建立每一维特征的高斯分布,进一步计算产品的概率密度估计值
● 通过F1 scroe选择最佳的阈值，继而实现异常检测功能

2014-09至2017-06——华中科技大学
材料科学与工程 硕士

2016-06——大学英语六级:475

2019-10至2020-05——CSDN  线上
人工智能工程师
人工智能领域相关课程，包括机器学习，深度学习，数字图像处理，及相应的项目实战
********************
2016-03至2017-05——成熙英语  武汉
英语口语中级，高级
英语口语培训