IT人力外包人才简历库

精通深度学习框架（PyTorch/TensorFlow）及主流算法模型（VGG、ResNet、MobileNet），熟悉信号处理与模式识别技术。掌握工业场景下的故障检测算法开发，具备多模态数据融合分析能力。熟练使用Python进行数据清洗、特征工程及模型调优，精通TensorBoard等可视化工具。熟悉工业物联网通信协议（LoRa/WiFi），具备边缘计算设备部署经验。

博士阶段聚焦工业智能领域研究，主导完成两个核心项目：1）基于LoRa的非接触式生命体征检测系统，攻克了低功耗环境下多目标信号分离难题，实现98.7%的检测准确率；2）基于模糊理论的学生综合能力评估系统，创新性融合多源数据特征，使评估结果与实际表现相关性提升40%。期间发表SCI二区论文3篇（含KDD会议论文），累计研发算法模块12个，形成完整的技术解决方案。具备从算法研发到工程落地的全流程经验，熟悉工业场景下的技术实施规范。

项目1：工业设备非接触式监测系统开发。基于LoRa无线传感网络实现设备振动信号采集，采用小波变换与深度学习融合算法完成特征提取，解决复杂工况下信号干扰问题。开发自适应阈值检测算法，使故障预警准确率提升至98.7%，成功应用于某制造企业生产线监测。项目2：基于模糊综合评价的学生能力评估系统。构建包含课堂表现、作业质量、实验数据等多维度评价指标，采用改进型模糊神经网络进行权重分配，使评估结果与教师评分相关性达0.89，系统部署后提升教学管理效率30%。