1.掌握python语言
2.掌握线性回归、逻辑回归、SVM、决策树、贝叶斯等经典机器学习算法；
3.掌握深度学习DNN、CNN、RNN、LSTM有关算法；
4.熟练掌握sklearn机器学习及TensorFlow深度学习框架的使用；
5.熟练掌握 seq2seq、word2vec，attention 机制等
6.熟悉 transformer，elmo，bert 等预处理模型；.

英语(良好)  Python(精通)

2019-11至2020-02——公司:上海苍苔信息科技有限公司(150-500人)
行业:互联网/电子商务
性质:民营公司
部门:  支持部门
职位: 算法工程师

工作描述：广告投放平台创意生成，给广告主投放广告图片换背景

2018-04至2019-09——公司:合肥薪火信息科技有限公司(50-150人)
行业:计算机软件
性质:民营公司
部门:  技术部
职位: 算法工程师

工作描述：1.使用 tensorflow 开发智能客服，包括闲聊机器人和业务机器人
2.通过对大量专业文档和资料的编码及实体标注（OIBES），对各车辆名称，配件信息，相关参数等关键词进行提取
3.针对来自于新闻网站的30000篇文章，其主题包括旅游、体育、政治、娱乐等12个不同主题，构建模型分析不同类型文章之间的特征，实现对一篇新文章的自动分类
4. 利用原始图片等相关标注数据，依靠深度学习，卷积神经网络，监测图像是否包含相关标注的物品以及输出对应的坐标位置，完成定位与筛查功能类

2019-11至2020-02——广告投放平台创意生成
所属公司：上海苍苔信息科技有限公司
项目描述：广告投放平台创意生成，给广告主投放广告图片换背景
1.使用的训练数据集为CoCo数据集，图片共计80个小类，12个超类
2. 使用mask_rcnn模型训练得到目标实体的多边形mask(掩码)
3. 将原图片及mask对照背景图进行padding，padding值均为0
4. 将掩码，原图片，背景图片进行融合将图片换背景（  原图*mask+背景图*（1-mask））

2019-05至2019-09——智能客服开发
所属公司：合肥薪火信息科技有限公司
项目描述：开发智能客服，包括闲聊机器人和业务机器人。
闲聊机器人构建： 
数据获取：获取网上公开的对话数据集，将原始数据集转换为 ask 和 answer 的键值对形式，使用 sqlite3 将其保存到 sql 数据库中； 
数据预处理：根据问答对的长度，将数据库中的数据分为 4 份，有利于使用 static_rnn 构建网络；
网络构建：采用embedding+512个隐藏神经元的三层BasicLSTMcell+static_rnn+seq2seq
+Attention模型， 批次尺寸为 100，计算下采样损失，采用动态学习率+Adam 优化器更新参数； 
模型评估及优化：采用 bleu 评估模型效果，Albert 替换 embedding 做字向量获取，梯度截断防止梯度爆炸； 
检索机器人构建： 
数据获取及清洗：获取蚂蚁金服语义相似度比赛提供的数据集，形式为:[id,text1,text2,label]，共 102477 条， 抽选其中 4000 条，得到正确的回答结果； 
数据预处理：保存 2000 条正确的问答对，word2vec 训练文本的字向量并保存，获取 word2id 字典保存，将 所有数据用 word2id 转变成 id，padding 填充至固定长度 256，再用转换成文本向量； 
网络构建和训练：先训练文本相似度度量模型，在训练问答系统；过程：将文本向量送入 BasicLSTMcell+双向 动态 rnn+FC 得到高阶文本向量，计算 text1 和 text2 余弦相似度，采用交叉熵损失函数，Adam 优化器，批次尺寸64训练，得到文本相似度度量模型保存，将 2000 条问答对中的提问通过度量模型转换为高阶文本向量并 保存；输入客户问题，通过文本相似度度量模型转换为高阶向量，逐一计算客户问题向量和 2000 条提问的相似 度，返回高于阈值 0.85 的最高相似度的问答对结果； 
模型评估及优化：使用准确率评估问答结果，增大批次尺寸，增加问答对数量；
闲聊机器人经过调参和1000多个轮次的训练，BLEU 达到 0.73左右；检索机器人准确率0.75左右

2018-10至2019-03——基于NLP车辆专有名词命名实体识别
所属公司：合肥薪火信息科技有限公司
项目描述：通过对大量专业文档和资料的编码及实体标注（OIBES），对各车辆名称，配件信息，相关参数等关键词进行提取
1.文本数据预处理和清洗，制作数据集
2.对文本进行jieba分词，并把分词信息embedding到其中
3.利用tensorflow深度学习框架构建BiLSTM-CRF和IDCNN-CRF两种算法模型进行训练
4.利用viterbi算法对模型预测结果进行解码
5.通过模型的比较学习，认为基于cnn的模型效果较好但因复杂训练较慢，最终使得预测F1值达到0.75的成绩

2018-02至2018-06——新闻主题文章文本分类
所属公司：合肥薪火信息科技有限公司
项目描述：针对来自于汽车网站的30000篇文章，构建模型分析不同类型文章之间的特征，实现对一篇新文章的自动分类。
1.使用LabelEncoder编码实现文章类别标签化
2.通过jieba对每篇文章进行分词处理，并去除停用词
3.使用TfidfVectorizer计算文章TF-IDF词袋模型、对所有文章构建word2vec模型；
4.分别对TF-IDF词袋模型、word2vec词向量模型构建模型分析;
5.模型评估：混淆矩阵、精确率、召回率、f1参数分析

2017-07至2017-12——目标定位
所属公司：合肥薪火信息科技有限公司
项目描述：基于卷积神经网络的目标检测项目，主要是检测获取到的图像中所包含物体的种类和位置，用于后续项目的分析应用。
1.完成图像标注，数据预处理；
2.在TensorFlow中构建SSD模型：
基于VGG16的模型提取38*38特征图，再利用相关的卷积神经网络与池化技术，完成19*19、10*10、5*5、3*3、1*1等相关特征图的模型
在不同的大小的特征图中完成不同的先验框设计，各个特征图像先验框个数依次为4、6、6、6、4、4，最终完成8732个先验框坐标的确定
完成先验框相对于原图的编码、解码函数
利用先验框与真实的标签坐标进行IOU交并比值验证，通过阈值完成样本与先验框的匹配
类别损失和位置损失共同构成损失函数；
3.根据损失函数训练模型，得到实现目标定位的模型；

2013-09至2017-06——安徽建筑大学
热能与动力工程 本科
传统能源的利用及新能源的开发，和如何更高效的利用能源。

2016-12——大学英语四级:438