0
1
2
3
4
5
0
1
2
3
4
5
1月前来过
python工程师
北京全职 · 600/日 · 13050/月信用正常
工作时间: 工作日08:00-22:00、周末08:00-22:00工作地点:
远程
服务企业:
0家累计提交:
0工时
联系方式:
********
********
********
****************
查看联系方式
个人介绍
我是一名熟练的全栈开发人员，拥有超过 4 年的 Python 和 JavaScript 经验。我擅长使用 React 和 Django 进行 Web 开发，以及使用 Python 进行数据抓取和自动化。我在交付高质量项目方面拥有良好的记录。我的技能包括： - 后端：Python、Django、Node.js（我能够构建 GraphQL 和 Rest API） - 前端：React.js、React-Native、Redux（我可以从头开始一个项目或加入一个项目）项目无缝） - 部署：AWS、Google Cloud、Digital Ocean 等。 - DevOps：Jenkins、CodePipeline、CodeDeploy、Terraform 我拥有与各个行业的客户合作的经验，包括医疗保健、电子商务和金融。
工作经历
2021-08-10 -至今哔哩哔哩python工程师
1. 根据产品需求及项目设计完成后端接口的开发、维护； 2. 根据开发需求建立并维护必要的数据库； 3. 配合前端工程师制定服务接口并实现交互和调试；
教育经历
2017-08-09 - 2021-06-30浙江大学计算机系统结构本科
技能
作品
1. 项目模块： 数据预处理模块：这个模块负责对训练数据进行清洗、标准化和预处理，例如删除无效数据、分割数据集等。 模型训练模块：这个模块负责定义GPT模型的结构和参数，并使用训练数据对其进行训练。选择TensorFlow来实现GPT模型的训练过程。 模型评估模块。 应用模块：搭建一个视频自动生成程序。 2. 我的任务： 爬虫并进行数据预处理；使用分布式训练来加快训练速度；超参数调优：GPT模型具有多个超参数，如层数、隐藏单元数等。调整这些超参数对模型的性能和效果至关重要。你可以使用交叉验证、网格搜索或自动化调参工具来优化超参数选择。 过拟合和模型调优：GPT模型可能会面临过拟合的问题，即在训练数据上表现良好，但在新数据上的泛化能力较差。你可以采用正则化技术（如dropout）或早停策略来缓解过拟合，并进行模型调优以提高性能。
02024-02-03 02:01
