求职意向
算法工程师 薪资面议 随时到岗
教育背景
2020.x -2020x 锤子简历大学 摄影测量与遥感-智能算法研究
博士期间研究方向：机器学习/深度学习算法在遥感及自然图像中的应用
研究内容涵盖：深度学习、非线性机器学习、鲁棒性建模等方面
研究应用领域：1. 异常模式检测（Anomaly Detection），通过运用机器学习方法有效地估计非异常模式分布或分析非异常模式特征，以达到异常模式检测的目的，所涉及方式主要有非线性特征分析、鲁棒性分布估计等；2. 尝试将深度学习/机器学习算法以异常模式检测为目的，应用于分类、目标探测、数据降维等方面
共发表SCI文章7篇，第一作者5篇，通讯作者1篇。3篇国际会议EI文章。获专利1篇。曾获国际遥感图像处理顶级会议青年成果奖TOP10，日本国际智能系统及图像处理青年成果奖TOP1(Best Paper Award)
参与多个国家级及国防科研项目，于科研项目中主要负责算法研究与应用，在国防科研项目中针对安防领域有异常模式检测模块的开发经历
**注：论文列表及链接在附录中可见
2020.x -2020x 锤子简历大学 遥感科学与技术
本科期间对线性代数/概率论/数字图像处理/误差理论等课程进行学习，积累了扎实的数学及图像处理理论，曾组建团队并参与大学生科研项目
工作经验
2020.x -2020x 华为 研究工程师
主要负责深度学习/机器学习算法模型的研究与改进，并在工程项目中进行实践及应用
共参与2个项目，在项目中运用TensorFlow平台根据项目中不同的需求建立算法模型，所建立的算法模型均可达到较好的精度
项目经验
2020.x -2020x 水果精细分类 算法研究人员
1. 主要负责：运用TensorFlow框架，构建满足项目需求的深度学习算法模型
2. 所承担的任务包括：整理训练数据集、建立适用于项目需求的深度网络模型，并根据测试结果优化训练数据集/改进深度网络模型结构，产出算法原型demo
3. 项目难点细节及解决方案：
1）项目初期标注数据较少，人工标注耗费大量时间成本：a）解决方案：Encoder-SVM自动标注算法模型，对未标注数采用自编码器（AutoEncoder）和深度置信网络（DBN-DNN）据进行编码特征提取，结合已标注数据对网络进行微调，针对已标注数据的编码特征采用SVM模型构建出整体的Encoder-SVM分类模型；b）效果：运用所构建的Encoder-SVM分类模型可对未标注数据生成标签，在项目中期外包标注数据跟入后，可结合机器标注与外包标注结果，提升标注精度。同时Encoder编码器解码后的图像可达到去噪的效果，有助于提高数据质量
2）项目中期数据量增大后，初期模型不满足项目需求：a）解决方案：改用CNN网络进行数据分类，采用VGGNet网络结构，并针对数据颜色特征减弱的问题，在所建立的模型中加入了highway方式，将输入层数据与每一池化层之前的输出进行identity累加操作，同时采用tower方式增加卷积层的宽度；b）效果：可提升分类精度 水果精细分类
3）项目后期较大规模测试算法模型改进：a）解决方案：为了使模型更具有普适性，采用bagging boost方式，对数据集进行随机切分，分别对子数据集训练出上述网络模型，再对softmax后的分类结果取均值，得到分类置信度；b）效果：可避免应对大规模测试时，单一网络在训练数据上产生过拟合现象，可提高测试精度
4. 所建立的深度网络模型最终可达到90%以上的水果精细分类精度
2020.x -2020x 人脸健康特征检测 算法研究人员
1. 主要负责：性别识别、人脸肤色识别
2. 所承担的任务包括：整理并扩展训练数据集、建立适用于项目需求的深度网络模型，并根据测试结果优化训练数据集/改进深度网络模型结构，产出算法原型demo
3. 项目难点细节及解决方案：
1）人脸肤色识别中，数据难以准确标注：a）解决方案：构建Encoder-SVM模型，比对机器标注与外包标注结果，取两者标注相同的数据为可信数据，同时根据两者标注结果之间的差异迭代调整数据标注规则；b）效果：可得到更合理的标注规则及结果；c）补充说明：性别识别中的标注完全采用外包标注的结果
2）性别识别算法模型：采用CNN网络，以Encoder去噪平滑后的图像作为网络输入
3）人脸肤色识别算法模型：采用CNN网络（highway+tower），先用opencv中的自动肤色区域识别算法提取肤色区域后，与Encoder去噪平滑后的图像进行叠加作为网络的输入
4）针对较大规模测试算法模型改进：采用bagging boost方式，增强模型的泛化能力
4. 所建立的深度网络算法模型，最终在性别识别中可达到90%以上的精度，在肤色识别中可达到80%以上的精度
自我评价
热衷于人工智能研究与应用，工作态度严谨认真。
熟悉深度学习/机器学习方法与发展前景，有较深入的研究经历；
熟悉TensorFlow等DL框架，熟悉Scikit-Learn等机器学习库；
熟悉Python/C++/MATLAB等编程平台；
熟练掌握PPT制作及展示；
能承受工作中的压力；有良好的团队合作能力；注重技能的提升和锻炼；
内容来源说明：本文章来自网络收集，如侵犯了你的权益，请联系QQ:2772182309进行删除。
https://www.100chui.com/article/296193.html
