机器学习/深度学习

1. 软件面向的行业和业务场景 该项目是基于强化学习的自我博弈模型，主要面向人工智能（AI）和机器学习领域，特别是在棋类游戏和智能对弈的应用场景。其核心目标是训练一个能够与人类对弈并不断优化策略的 AI 玩家。通过强化学习与蒙特卡洛树搜索（MCTS）相结合，这个软件可以应用于任何需要决策优化和策略训练的领域，如自动驾驶、金融预测、机器人控制等。 业务场景包括： 人工智能竞技游戏：用于训练 AI 玩家，模拟自我博弈，提升 AI 策略。 游戏开发与优化：游戏公司可以用该技术提升 NPC（非玩家角色）智能，增强游戏体验。 教育与研究：为机器学习和强化学习的研究者提供实用工具，帮助学习和理解深度强化学习的应用。 2. 项目分为哪些功能模块，对使用者来说具体实现哪些功能 该项目包括以下主要功能模块： Board（棋盘信息模块）：该模块存储并管理棋盘的信息，定义了棋局的状态和每个玩家的操作。 MCTS（蒙特卡洛树搜索模块）：用于构建决策树，通过模拟多次博弈来选择最优的落子策略。其核心思想是利用树状结构进行搜索，并根据模拟结果做出决策。 Residual Neural Network（残差

架构设计。基础框架搭建，springboot+dubbo微服务架构 第三方底层框架集成。包括万科项目底层组件，云信直播、视频SDK 第三方业务系统集成。海尔单点登录集成，海尔用户中心注册、修改用户接口集成，对接海尔 COSMOPlat支付接口，对接海尔消息平台（短信），七鱼客服系统集成 核心业务模块。包括在线学习、直播、点播观看和管理，订单模块，支付模块 后台模块。包括用户管理，集团组织机构管理，用户权限（shiro），直播点播统计（ELK） 推流助手二次开发（c++）。对推流助手UI进行调整，添加了类似清晰度、直播暂停、恢复等功能 海尔COSMOPlat项目部署，基于k8s平台的docker镜像部署 基于pytorch开发、训练的AI搜索助手

1、项目应用于无人车在行进过程中对道路进行正确的识别，便于有效避障 2、功能主要是提取图像信息中的有效特征，实现道路与周围环境的分割，并将道路与环境通过二值图标注出来 3、主要框架为图像增强、特征提取、特征分析、特征降维、贝叶斯多线索融合机制、图像降噪

我是一名专注于深度学习和人工智能领域的软件工程师，拥有丰富的实践经验和扎实的技术背景。我擅长使用 Python 进行编程，并在图像处理和自然语言处理领域有着深入的研究和实践。我曾成功应用深度学习模型于新闻文本分类、人体姿态识别项目以及图像分类检测等任务。 项目经验 新闻文本分类系统： 行业应用：媒体、出版、内容分析 功能实现：自动化新闻内容分类，个性化新闻推荐，内容审核 技术亮点：利用预训练模型 BERT 提升分类准确性，支持多类别文本分类 人体姿态识别系统： 行业应用：健康监测、运动分析、安全监控、人机交互 功能实现：运动训练分析，老年人跌倒检测，异常行为识别 技术亮点：实时数据处理，高准确性的姿态识别算法，易于集成的 API 设计

自动完成发票查验，无需输入验证码，提供发票查验界面和webapi接口，方便于现有系统集成，查验速度2秒以内，可以免费体验，有任何需求和建议可以发给我。

基于YOLO V5的西红柿品种检测平台是一个高效、用户友好的软件，它能够快速上传和处理图像，准确识别西红柿的不同品种，并通过直观的界面展示识别结果。平台支持批量处理和数据导出，同时平台具有百科全书，通过各种方法来向用户展示西红柿的各种科普知识、前世今生、品种分布、销售统计，此外，它还具备易于集成的API接口和全面的客户支持服务。 采用先进的YOLO V5深度学习模型，该模型以其快速、准确的目标检测能力而闻名，特别适合于图像识别任务。通过训练和优化模型，实现了对西红柿品种的高准确率识别，减少了误判和漏判的可能性。

某企业AI智能客服项目旨在利用人工智能技术，为企业打造一个高效、智能的客户服务系统。该项目通过模拟人类客服的对话方式，与用户进行实时交流，解答用户的问题、提供帮助和建议，从而提升企业服务效率、降低运营成本，并增强用户的满意度和忠诚度。 一、模块组成 智能问答模块：基于自然语言处理、深度学习等技术，对用户的问题进行识别、分析和回答。该模块能够准确理解用户意图，提供精准的答案和解决方案。 用户交互模块：负责与用户进行实时对话，包括语音、文本等多种形式的交互。该模块通过语音识别、语音合成等技术，实现与用户的语音交互；同时，也支持文本输入和输出，方便用户进行文字交流。 知识库管理模块：存储和管理企业的各类知识、常见问题及解决方案。该模块支持知识的动态更新和维护，确保智能客服系统能够随时提供最新、最准确的信息。 数据分析模块：对用户行为、问题类型、服务效果等数据进行收集和分析，为企业提供有价值的业务洞察和改进建议。 二、使用到的技术 自然语言处理技术：用于将用户的语言转化为机器可理解的形式，从而能够准确理解用户的需求和问题。通过分词、词性标注、句法分析等处理，提取出用户问题中的关键

1. 学生端APP图书阅读打分、学习任务、课程功能、直播功能、发现功能、学习报告、积分商城、卡牌、评级测试、加入学校、消息推送等功能规划； 2、带领团队从0开始搭建各端功能，APP版本在三年多的时间里由1.0版本迭代到3.7.0，用户数量累计达到80万；

通过时间序列ARIMA、循环神经元LSTM等算法对大盘进行预测 通过大数据、统计等算法对股票进行预测 PHTHON C++ VS/VSCODE

深耕网络安全行业，负责的产品包括有SASE、云防火墙、云WAF、NDR和运维中心。 该作品主要展示PC端常用的Axure原型设计组件，辅助产品经理加快需求设计进度，细化产品原型文档、提高与前后端研发的交流沟通效率。

基于LangChain + 开源 LLM构建个人知识库，用 LangChain 对文档进行向量化，然后检索内容，在调用 LLM 对得到的内容进行总结输出

基于人脸关键点框架获取到400+人脸3D关键点数据，并绘制到人脸上。 关键点数据覆盖：眼周、瞳孔、鼻子、额头、内外嘴唇…… MediaPipe

对于重点交通路段的车辆信息进行监测和违法取证。 亮点分析： 1、使用后台线程处理视频帧： 创建了 VideoProcessor 线程类，用于处理视频帧和检测。 通过信号 frame_processed 将处理好的帧和入侵信息传递回主线程，避免主线程阻塞。 2、硬件加速： 确保在OpenCV中使用硬件加速解码（这部分需要确认OpenCV的安装支持硬件加速）。 3、非极大值抑制优化： 使用 cv2.dnn.NMSBoxes 函数进行非极大值抑制，提高检测框的准确性。 4、异步任务： 将繁重的计算任务放在后台线程中执行，提高主界面响应速度。

项目主要是在DETR系列目标检测算法的基础上进行改进的，将其与多模态模型进行融合，将单模态目标检测算法改进为多模态目标检测算法，实现检测能力和识别能力上的提升。

基于关键点提取框架获得人体30多个关键点坐标信息，选择向量夹角作为度量标准。提供10余种不良坐姿检测功能。 MediaPipe

当前越多越多的业务开始使用多模态大模型，尤其是视觉-语言预训练模型。在实际使用中，我们通常需要对预训练模型进行调优来适配实际的业务场景，而这需要大量的资源介入且费时费力，尤其是对视觉基座的调优在资源有限的情形下几乎是不可行的。本项目探索了在不调优视觉基座的前提下，仅通过对语言端进行调优并优化推理过程，实现语言增强的零样本多标签分类任务 (Zero-shot Multi-label Classification)。本项目为国际比赛获奖项目。

⚫ 开发了一个用于地震后建筑物的损坏等级的预测系统。通过搭建自编码器（Autoencoder，ANN），对数据中地理坐标数据进 行特征工程，提取并加强了地理特征。 ⚫ 基于集成方法构建并训练了由随机森林，XGBoost 和 LightGBM 构成的模型来做预测， 取得了最高F1-score 75.32%，位 列前30名。

本项目面向学生,使用相关AI技术完成对学生的考试评估,以及与AI智能对话 提供智能绘图 帮助学生定位自己薄弱知识点,也能够出相关题目,帮助巩固自己薄弱的知识点.还有视频课拱学生学习. 还具备先进的拍照解题功能,只需上传题目照片,便可得到答案.

该软件主要帮助客户开发对AI知识库的运用，使用客户产品知识库训练大模型回答相应问题，还能根据客户的语义，生成相应的图片（文生图、图生图）。 该项目主要分三大块，智能AI对话、智能生图、群聊功能，对于客户来说，主要解决了学生在机构中了解到机构的基本背景，通过机构的课程学习，能够使用app实现图片的生成，还能通过群聊与机构老师进行沟通。 该项目主要通过本地部署大模型（langchain+通义千问）实现智能对话，stablediffusion实现智能生图，通过调用腾讯即时通讯实现群聊功能，主要特点是大部分功能都通过开源框架本地部署来实现，能够节约外部调用api的费用。

在采样过程中通过顶棚摄像头图像，识别出车辆的车厢位置及拉筋信息，为采样提供定位坐标，广泛应用于火电厂、冶金行业、焦化厂等。