如需更进一步了解，请访问 刘辰 的电子简历：https://chavet.github.io/cv/
| 编号 | 任职要求 | 个人情况 | 匹配度 |
|---|---|---|---|
| 1 | 熟悉C++和Python编程。 | 精通C++语言，熟悉Python、Java、Javascript等常见编程语言。 | 100% |
| 2 | 熟悉基于深度学习的计算机视觉主要算法，特别是物体检测和物体识别等。 | 大学专业与计算机视觉相关，自学了深度学习微专业，实践了YOLO模型识别车辆、Inception模型识别人脸等项目。 | 90% |
| 3 | 熟悉Caffe、TensorFlow、MxNet等主流深度学习框架之一。 | 熟悉TensorFlow深度学习框架，利用该框架完成了车辆识别、人脸识别和神经风格迁移等实践项目。 | 90% |
| 4 | 具备实际项目中模型训练和部署经验。 | 具备软件项目部署经验，能够部署基于GPU加速的深度学习环境，通过GPU加速深度残差网络模型的训练过程。 | 80% |
| 5 | 有较强的求知欲和学习能力。 | 对于新事物有较强的求知欲，自主学习能力强。 | 100% |
本科期间成绩优秀，热爱软件编程，大多数计算机相关课程成绩专业第一。寒暑假跟随老师做项目，学习了图像处理常用方法，编程能力也得到了显著的提高。最终以专业第四的成绩保送本校研究生。
研究生方向为遥感影像信息提取，在科研项目中掌握了影像分割、特征选择、分类识别等技术，对计算机视觉和图像处理方法有了更深入的了解。能够独立撰写科技论文，共发表1篇EI检索、1篇中文核心以及2篇会议论文。
毕业后与同学一起创业，从事GIS及遥感相关的软件研发工作。在公司主要负责项目管理、关键技术攻关及核心代码研发工作。系统工程能力、英文文献阅读能力、开源平台研发能力、个人综合能力均得到了很好的锻炼。负责《基于CPU+GPU高性能计算的环境遥感监测系统》创新基金项目，熟悉了利用CUDA开发GPU高性能运算加速软件的原理与方法，并带领团队申请了相关专利。
决定转向人工智能方向后，在coursera上自学了斯坦福大学的机器学习课程，掌握了机器学习的基本方法，课程成绩97.6%；在网易云课堂中完成了由 deeplearning.ai 出品的深度学习工程师微专业课程的学习，掌握了深度学习基本原理和卷积神经网络、循环神经网络等基本模型，在课程中学会利用TensorFlow深度学习工具来解决实际问题。
本人具备深度学习和计算机视觉相关的基础理论知识，有扎实的工程实践能力，参与过CPU+GPU高性能运算项目的研发工作，自主学习能力强，通过自学掌握了机器学习和深度学习基本原理，了解了卷积神经网络和循环神经网络模型，能够使用Tensorflow深度学习工具来解决实际问题。个人能力与深度学习研发工程师职位匹配度较高，对机器人行业有着强烈的兴趣，希望能有机会加入库柏特，在团队中学习与提高，为库柏特的发展贡献自己的力量！
| 项目名称 | 描述 |
|---|---|
| 手势数字识别 | ● 构建并训练50层的残差网络模型，利用ResNet-50进行手势数字识别。 |
| 车辆识别 | ● 利用YOLO v2算法进行车辆检测，识别目标类别，绘制目标边界。 |
| 人脸识别 | ● 利用Szegedy等人提出的Inception模型，将人脸图片转化成编码向量，比较两张图片编码向量的距离，判断是否为同一个人。 |
| 神经风格迁移 | ● 利用VGG-19模型实现图像神经风格迁移，为图像创作不同风格的艺术作品。 |
主讲：Andrew Ng, 出品：Stanford University, 课程平台：Coursera, 课程笔记：https://github.com/chavet/Coursera-Machine-Learning, 成绩：97.6%
在课程的学习中掌握了机器学习的基础理论和基本方法，包括：监督学习、非监督学习、线性回归、逻辑回归、正则化、神经网络、支持向量机、聚类（K-Means）、降维（PCA）、异常检测（高斯分布）、推荐系统（协同过滤算法）、机器学习系统设计（训练/验证/测试集、偏差/方差、精确度/召回率）、大规模机器学习（SGD、Mini-Batch-GD、在线学习、Map-Reduce）、光学字符识别。
完成了丰富的Matlab编程练习，包括：线性回归、逻辑回归、多元分类和神经网络、神经网络学习、正则化线性回归和偏差/方差、支持向量机、均值聚类和主成分分析、异常检测和推荐系统。
主讲：Andrew Ng, 出品：deeplearning.ai, 课程平台：网易云课堂-微专业, 课程笔记：https://github.com/chavet/Coursera-Deep-Learning
在课程的学习中掌握了深度学习的基础知识和构建神经网络的基本方法，以及卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆（LSTM）等深度学习常用网络结构、工具和知识。学会了利用TensorFlow深度学习工具及Keras框架解决真实世界问题的方法，完成了基于深度学习的计算机视觉相关的编程实践项目。
| 类别 | 课程 | 加权平均分 |
|---|---|---|
| 基础类 | 高等数学、高等代数、离散数学、矩阵理论 | 85% |
| 计算机类 | 计算机导论、计算机高级语言程序设计（C）、面向对象程序设计（C++）、软件工程概论、 计算机结构与组成、数据结构与算法、数据库概论、Windows组件技术及编程、Visual C++程序设计 |
90% |
| 图像处理类 | 遥感概论、遥感图像解译、遥感图像处理、遥感应用模型、高分辨率卫星遥感、数字摄影测量、摄影测量原理、图像处理与分析 | 89% |
在公司担任产品经理职位，除了设计产品方案外，还兼顾项目管理、关键技术攻关以及核心代码研发等工作。负责并参与了大量软件系统项目，系统工程能力、英文文献阅读能力、开源平台研发能力、个人综合能力均得到了很好的锻炼与提高。
| 类别 | 技术 |
|---|---|
| 编程语言 | C/C++/C#, Python, Java, JavaScript, Matlab, PHP, R |
| 数据库 | PostgreSQL, Oracle, MySQL, SQL Server |
| Linux系统 | Ubuntu, Fedora, CentOS |
| Python工具 | TensorFlow, numpy, cv2, matplotlib, basemap …… |
| JavaScript工具 | jQuery EasyUI, ExjJS, HighCharts, three.js, Node.js, PhantomJS, CasperJS, OpenLayers, Leaflet |
| 开源软件/库 | QGIS, GeoServer, MapServer, Qt, GDAL/OGR, CxImage, OpenCV, OpenGL |
感谢您花时间阅读我的简历，期待能有机会和您共事!