CV

一个多年从事编程的深度学习爱好者

教育经历

南昌大学，信息工程学院，通信工程，学士，2010-2014
中国科学院大学，电子电气与通信工程学院，电子与通信工程，硕士（入学top3），2017-2019

工作经历

中国科学院深圳先进技术研究院,数字所,2018-2020,机器学习算法实习
- 利用自然语言处理里面的词向量嵌入方法解决基因填充问题
- 基于图模型解决多组学复杂关联问题
百度网讯科技有限公司,推荐技术平台部,2018-2018,机器学习算法实习
- 百度推荐技术平台，负责下拉刷新优化、新增队列评估等
国家电网南昌公司,信息中心,2014-2017,Java开发工程师
- 负责国家电网内网运行和维护，服务器调试等工作

技能

编程技能：
- 熟练使用Python、Java语言进行编程
- 熟练使用Pytorch框架，熟悉TensorFlow编程，了解神经网络调参及优化
- 熟练使用Linux操作系统，并熟悉Bash编程
- 熟悉常用的深度学习算法，以及代码实现
英语能力：
- CET6
- 国科大硕士学位英语免修（入学90分）
研究生课程：
- 模式分类、深度学习、统计机器学习
- 随机过程
- Python语言设计

项目经历

短视频内容理解与推荐（2019ICME Grand Challenge）
- 任务：根据用户浏览行为和小视频本身属性进行CTR预测（finish和like）
- 内容：基于FFM思想将用户行为进行一阶和二阶操作，然后将小视频属性和一阶结果进行融合，然后得到结果。
- 结果：比赛结果较靠后，对用户finish程度预测不准确（roc 0.67）
- 心得：改进算法将item属性和二阶结果进行cross交叉得到三阶组合矩阵，以解决三阶组合过于复杂的问题，同时与一阶cross结果融合，方法有待实验证明。
自动生成文本标题（2018ByteCup比赛题目）项目负责人 2018.10-2018.11
- 任务：为字节跳动北美公司每日大量的新闻提供更好的标题选择，文本为英文新闻，有人工标定的训练集，测试集，验证集，通过Rouge计算预测标题的得分
- 内容：采用seq2seq+attention结构，编码器采用3个LSTM，解码器采用3LSTM+Attention方法搭建神经网络，根据当前解码器上一时刻隐状态求出全文向量，每一次都结合前一时刻的隐状态和全文向量经过LSTM得到预测的向量，然后通过全连接映射成词典大小向量，通过Softmax选出预测词，循环预测至结束。
- 结果：能够通过该方法获得主题词，但是效果欠佳，正在改进中。
- 心得：实现算法并且结合Feature Cross 和 FM的方法进行改进，有一定的主题词提取效果，但是对于神经网络层与层之间的特征处理能力有待加强，应该多看论文。
基于深层学习方法的高频交易数据波动预测参与人 2018.04-2018.06
- 任务：通过股市近四年的交易日数据进行分析，对股市未来波动率进行预测；
- 内容：对数据集作平滑操作，两次平滑操作分别以通道形式进入卷积，采用三个CNN+LSTM网络，进行拼接，预测的值和真实值在大部分区域有着匹配的走势。
- 结果：本次项目，自发组织课题，经过调研经济学股市趋势预测等文献和传统方法，从而确定了课题，然后本人负责编写代码实现神经网络算法，结果符合预期；
- 心得：前期因为数据震荡过大导致网络一直处于欠拟合状态，后来对数据进行多次平滑实验，才有好点的结果，同时为了解决过拟合的问题，对原数据进行抽样处理