1. 熟悉机器学习及深度学习相关知识，应用过的算法包括XGBoost、随机森林、K邻近、Faster R-CNN、YOLO系列、Transformer、GAN等。

2. 有近3年的工作经验，涉及的算法方向有：目标检测、自然语言处理及肿瘤早筛。
   

3. 熟悉Python、R及C/C++语言，能熟练使用TensorFlow、Keras和PyTorch框架进行模型研发。

4. 对于目标检测有0-1的项目落地经验，熟练使用tensorRT、rknn对模型进行转换和部署 。
   

1. 《Detection and localization for lake floating objects based on CA-Faster R-CNN》（SCI）
   

2. 《基于改进Faster R-CNN的水面漂浮物识别与定位》（中文核心期刊）

3. 《基于改进YOLOv3算法的水面漂浮物检测方法》（中文核心期刊）

勇于面对困难和挑战，能吃苦耐劳；善于与他人沟通，有强烈的团队意识。

1. 在校所学理论知识掌握比较扎实，本科和研究生均取得了不错的成绩；学习期间做过场景识别、计算机视觉和深度学习相关的项目，有实际的项目开发经历；

2. 组织领导能力不错，本科以及硕士的小组作业均担任组内领导人，多次上台presentation；
   

3. 对未知知识充满学习的热情，不满于知道‘怎么做’，追求知道‘为什么要这么做’；有丰富的数理知识，能够将学到的理论知识运用到实际问题的解决中；
   

4. 性格开朗，积极主动，人缘好。经常充当‘开心果’角色，乐于分享知识；

5. 英文能力优秀，能较熟练阅读英文文献；

6. 有较强的学习能力、创新能力、实际动手能力和团队合作精神、能迅速适应各种环境并融入团队中。

• 能熟练使用Matlab, python，熟悉pytorch框架 ；

• 具有数学、信号处理、图像处理、机器学习、深度学习理论基础，在作业和毕业设计中编程实现了一些小项目；
  

• 较熟练使用matlab以及python，了解C++；

• 较熟练使用Pytorch框架 具备数学，信号处理和图像处理知识，以及机器学习和深度学习相关知识；
  

• CET4级，6级。

• 自学吴恩达课程《机器学习》，《神经网络和深度学习》，《改善深层神经网络：超参数调试、正则化以及优化》，《卷积神经网络》；
  

• 阅读AlexNet, ResNet, GoogleNet,DenseNet等神经网络相关的论文，以及一些图像处理特征提取的相关论文。