算法工程师简历范文-锤子简历

首页 > 算法工程师> 算法工程师简历范文

分享
定制

算法工程师简历范文

作者：锤子简历 2023/09/02 06:10:00

阅读 143

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

√

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，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，存在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

3）项目后期较大规模测试的算法模型改进：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后，分别对子数据集训练出各自的上述网络模型，再对softmax后的数据结果取均值，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，数据难以标注准确：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）针对较大规模测试的算法模型改进：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。