IT人力外包人才简历库

精通Java生态体系，掌握Spring Boot、Spring Cloud微服务架构及分布式系统设计，具备高并发服务端架构搭建能力。熟悉Python开发自动化运维脚本与数据处理工具。掌握React、Vue及TypeScript前端开发技术，具备Tailwind框架响应式界面开发能力。深入理解机器学习与深度学习原理，熟悉PyTorch框架及Transformer架构，具备YOLO模型部署与AI API集成经验。熟悉Android原生开发、MQTT通信协议及OpenCV图像处理，具备边端一体化软硬件协同方案设计能力。精通代码规范与版本管理，擅长通过技术手段解决业务痛点。

主要负责智能工业质检与预测性维护平台的算法工程化与后端架构设计。基于YOLOv8构建缺陷检测模型，采用Mosaic-9数据增强与迁移学习策略解决小样本问题，将识别准确率提升至99.2%。通过TensorRT量化加速与ONNX跨平台部署，实现单图推理耗时降至35ms以内。采用Spring Boot + Netty构建高并发数据采集服务，接入Modbus与MQTT协议传感器数据。利用Flink处理实时数据流，结合时序数据库存储设备特征数据。设计异常检测模块实现48小时故障预警。系统采用Docker容器化部署，通过Prometheus实现服务监控，已稳定运行于多条产线，显著降低误检率并减少非计划停机时间。

智能工业质检与预测性维护平台：面向制造业产线，替代人工目检并实现设备故障预警。技术实现基于YOLOv8构建缺陷检测模型，针对小样本问题采用Mosaic-9数据增强与迁移学习策略，识别准确率提升至99.2%。通过TensorRT量化加速与ONNX跨平台部署，实现单图推理耗时降至35ms以内。后端采用Spring Boot + Netty构建高并发数据采集服务，接入Modbus与MQTT协议传感器数据。利用Flink处理实时数据流，结合时序数据库存储设备振动与温度特征。设计异常检测模块，在故障发生前48小时发出预警。系统采用Docker容器化部署，通过Prometheus实现服务监控，目前已稳定运行于多条产线，显著降低误检率并减少非计划停机时间。