求职意向

Java研发工程师 北京 薪资面议 随时到岗

教育背景

2020.x -2020x 锤子简历大学 软件工程专业

高级操作系统，软件工程，Linux，软件体系结构，算法分析理论，软件测试基础，大型关系数据库系统，软件开发基础，设计模式

2020.x -2020x 锤子简历大学 软件工程专业

C/C++，JAVA，数据结构，软件工程，计算机网络，操作系统，计算机组成原理，数据库概论，离散数学，计算机系统结构，软件测试

工作经验

2020.x -2020x  

项目经验

2020.x -2020x 利用深度学习模型LSTM实现水文预测 负责人

• 使用LSTM提高水文预测的准确性，传统的预测达到的Nash系数是0.3-0.5之间，而使用深度学习后可达到0.9左右的准确度（Nash范围0-1）。
  
• 主要方法：设置两层主要的长短时记忆网络，第一层预测每天的河水流量，第二层预测30天平均每日河水流量。
• 数据：前一天的数据，包括最大降水量、光照强度、光照时长、最大蒸发量、最小蒸发量、空气湿度、河水每日流量。
• 数据预处理：归一化、提取重要特征数据
• 语言及环境：python，tensorflow，anaconda，keras，pandas
  
• 模型调参：交叉验证法，留一法，激活函数sigmoid、softmax
• 评估标准：Nash（水文系统中的标准）、均方差、ROC曲线和AUC

2020.x -2020x 使用PolicyGradient改进GWLF参数 负责人

• 背景：GWLF系统是java开发的用于预测水文流量，并使用数学模型中的蒙特卡罗模型，用于关联条件的参数全部是随机生成的。
• 目标：使用PolicyGradient改进GWLF中的参数
  
• 模型：PolicyGradient策略梯度
• 主要方法：使用深度学习（简单的全连接）建立action与observation的概率联系，并根据Nash（水文评估流量预测准确度的系数）调整reward。使得最后的结果达到最大。
• 语言与环境：python、java、tensorflow、anaconda、gym
• 意义：根据深度学习的特点应用在水文环境领域

2020.x -2020x 小学生四则运算系统 前端开发

• 负责需求获取，调查问卷的制作、投放以及收集工作，整理需求文档；
  
• 参与网页前端设计和实现
• 参与项目的测试和界面美化工作

2020.x -2020x 教研室管理系统 成果模块负责人

• 成果模块的需求分析，需求文档的编写
  
• 后台实现和界面优化
  

自我评价

       热爱运动，对工作充满热情，有较强的团队意识和扎实的软件开发功底。对JAVA开发感兴趣，并会积极投身于学习中，有拼搏精神，吃苦耐劳。爱学习，不断提升自己，做一个有价值的人。