公司描述: 未填写
工作职责和业绩:
2017.9- 紫光云科技有限公公司 智能驾驶+智慧城市（交通）架构师
1 研究智慧交通的整体框架，城市大脑和智能驾驶的关联，主要做了以下几个方面的工作:
• 城市大脑智能驾驶架构设计: 负责“城市大脑车路协同几种典型应用场景设计”，提出城市大脑交通研判分析中的套盘车分析、城市大脑交通警车追缉布控中的频繁过车、城市大脑常用交通量统计的车流量统计与车流量分析、城市大脑交通警车追缉布控中的初次入城、城市大脑交通警车追缉布控中的多车同行、城市大脑V2X的行车规律分析、城市大脑V2X的碰撞预警和刹车和城市大脑V2X的事故（施工）警告、城市大脑特种车辆优先通行整套架构和解决方案设计。
• 城市大脑智能驾驶算法设计: 寻找城市大脑和智能驾驶的结合点，提出“基于城市大脑和V2X的交通控制策略”，主要做了各个交通路口的流量预测、智能驾驶路由寻径的算法改进和红绿灯信号灯配时、阻塞流量疏导与恢复的设计工作，以此提出基于城市大脑和V2X的交通控制策略。
• 百度apollo源代码深入解读和向硬件平台ROS移植的可能性分析: 选型mobileye/ NVIDIA Jetson TX2嵌入式平台+ROS+Apollo+V2X的基本架构，深入研究V2X架构改进策略和V2X协议实验。研究智能驾驶全球产业链: 熟悉车规与英伟达: Drive PX系列；英特尔: Mobileye + Altera + Movidius产业链架构。撰写“智能驾驶的产业链组成和利润分析报告”，了解智能驾驶产业链巨头跨行业之间对比；并提出了“智能驾驶的产业链重构”。
• 对比各类ADAS 系统的硬件架构体系并根据场景选用传感器，熟悉常见的传感器融合模式、多数据传感融合的原理和常用的数据融合算法（卡尔曼滤波、多贝叶斯估计、模糊推理、神经网络），并对SLAM算法有一定研究。研究智能驾驶的高精度地图: 熟悉高精度地图的技术原理、高精度地图的基本模式和高精度地图的制作流程、并对apollo高精度地图源码深入解析。
• AGV园区车联网智能车参与的工作: 1）AGV园区车联网智能车的软件架构与智能基站的几种解决方案选型；2）AGV园区车联网智能车感知+避障规划+控制的技术方案推荐。3）激光雷达模块的询价、选型方案对比。
2 云+边缘计算架构工作: 使用Cloud Foundry云平台+OPEN Edge边缘计算平台做智慧交通——无人驾驶云的规划与设计，主要包括:
• 后台管理平台设计: 设计的云平台后台管理采用“主-从”式结构，通过中央控制节点分发命令，云平台节点上客户端执行的模式。实现了cfdo工具作为节点客户端，dsh 作为中央控制节点，并给出了详细的实现方案。
• 应用架构设计与案例实现: 负责在Cloud Foundry 平台应用架构基础上提出交通云平台的应用架构设计方案，将应用划分成智慧交通应用和交通核心应用。给出两种应用的层次结构关系和调用关系，对应用间通信问题给出了基于HTTP请求、基于企业服务总线和基于异步消息队列三种模型。
• 扩展服务设计与实现: 我给出两种服务扩展的设计与实现方案，分别为基于元数据的交通数据服务和HBase服务。
• 自动化部署管理平台设计与实现: 采用IaaS平台技术完善智慧交通云计算平台底层的平台支撑，通过IaaS平台为提供交通云平台提供服务器管理支持，并设计平台管理的域结构。给出了基vSphere的交通云自动化部署管理平台的详细实现过程，说明工具准备和具体实施过程。
3 工业物联网应用服务开发项目实施服务方案的编写
• 1）设计思路构建: 平台通过结合工业制造iPaaS底层能力服务和开发能力服务将需求匹配的服务连接供需双方。提供工业制造PaaS平台总集（门户网站形式），通过平台统一调度引擎以及应用服务平台接口API进行统一调用平台内部模块协议。确保平台系统具备协同设计、协同制造、协同服务、大数据分析、制造业数据库和中间件接入服务等功能，形成完整的工业制造应用交付和生产服务链。
• 2）物联网架构设计: 主要完成了工业应用统一调度引擎、大数据开发池和微服务组件库和工业应用开发者平台（工业开发中心）的构思与设计。对感知层、网络层、汇聚层、核心交换层和应用层功能和技术框架进行了探讨。
紫光云科技有限公公司
公司描述: 未填写
智能驾驶+智慧城市（交通）架构工程师
工作职责和业绩:
1 研究智慧交通的整体框架，城市大脑和智能驾驶的关联，主要做了以下几个方面的工作:
城市大脑智能驾驶架构设计: 负责“城市大脑车路协同几种典型应用场景设计”，提出城市大脑交通研判分析中的套盘车分析、城市大脑交通警车追缉布控中的频繁过车、城市大脑常用交通量统计的车流量统计与车流量分析、城市大脑交通警车追缉布控中的初次入城、城市大脑交通警车追缉布控中的多车同行、城市大脑V2X的行车规律分析、城市大脑V2X的碰撞预警和刹车和城市大脑V2X的事故（施工）警告、城市大脑特种车辆优先通行整套架构和解决方案设计。
城市大脑智能驾驶算法设计: 寻找城市大脑和智能驾驶的结合点，提出“基于城市大脑和V2X的交通控制策略”，主要做了各个交通路口的流量预测、智能驾驶路由寻径的算法改进和红绿灯信号灯配时、阻塞流量疏导与恢复的设计工作，以此提出基于城市大脑和V2X的交通控制策略。
百度apollo源代码深入解读和向硬件平台ROS移植的可能性分析: 选型mobileye/ NVIDIA Jetson TX2嵌入式平台+ROS+Apollo+V2X的基本架构，深入研究V2X架构改进策略和V2X协议实验。
对比各类ADAS 系统的硬件架构体系并根据场景选用传感器，熟悉常见的传感器融合模式、多数据传感融合的原理和常用的数据融合算法（卡尔曼滤波、多贝叶斯估计、模糊推理、神经网络），并对SLAM算法有一定研究。
研究智能驾驶的高精度地图: 熟悉高精度地图的技术原理、高精度地图的基本模式和高精度地图的制作流程、并对apollo高精度地图源码深入解析。
智能车无人驾驶路径规划算法的研究与实现: 基于百度apollo框架，设计了一种把N立方级别的三维空间（路面的二维平面和时间）优化问题拆成两个N平方级别。先在x-y维度上求解，进行路径规划；然后以规划出来的路径为s轴，在s-t维度上进行速度规划的思路。基于百度apollo框架，设计了一种把N立方级别的三维空间（路面的二维平面和时间）优化问题拆成两个N平方级别。先在x-y维度上求解，进行路径规划；然后以规划出来的路径为s轴，在s-t维度上进行速度规划的思路。
车联网+智慧交通+城市大脑对无人驾驶的优化: 分析设计了“基于动态车速和相位差调优模型的车路协同”模型: 根据城市大脑（智慧交通）提供的实时车辆路径信息，实时优化道路交叉路口的车辆行驶路径、调优车速和车辆之间的相位差。该算法能够扩展行驶轨道上的绿波带宽，在降低停车次数和提升行驶流量方面，对车辆限速和车流量波动具有较强的鲁棒性。
研究智能驾驶全球产业链: 熟悉车规与英伟达: Drive PX系列；英特尔: Mobileye + Altera + Movidius产业链架构。撰写“智能驾驶的产业链组成和利润分析报告”，了解智能驾驶产业链巨头跨行业之间对比；并提出了“智能驾驶的产业链重构”。
2 云+边缘计算架构工作: 使用Cloud Foundry云平台做智慧交通——无人驾驶云的规划与设计，主要包括:
后台管理平台设计: 设计的云平台后台管理采用“主-从”式结构，通过中央控制节点分发命令，云平台节点上客户端执行的模式。实现了cfdo工具作为节点客户端，dsh 作为中央控制节点，并给出了详细的实现方案。
应用架构设计与案例实现: 负责在Cloud Foundry 平台应用架构基础上提出交通云平台的应用架构设计方案，将应用划分成智慧交通应用和交通核心应用。给出两种应用的层次结构关系和调用关系，对应用间通信问题给出了基于HTTP请求、基于企业服务总线和基于异步消息队列三种模型。
扩展服务设计与实现: 我给出两种服务扩展的设计与实现方案，分别为基于元数据的交通数据服务和HBase服务。
自动化部署管理平台设计与实现: 采用IaaS平台技术完善智慧交通云计算平台底层的平台支撑，通过IaaS平台为提供交通云平台提供服务器管理支持，并设计平台管理的域结构。给出了基vSphere的交通云自动化部署管理平台的详细实现过程，说明工具准备和具体实施过程。
3 工业互联网应用服务开发项目实施服务方案的编写
1）设计思路构建: 平台通过结合工业制造iPaaS底层能力服务和开发能力服务将需求匹配的服务连接供需双方。提供工业制造PaaS平台总集（门户网站形式），通过平台统一调度引擎以及应用服务平台接口API进行统一调用平台内部模块协议。确保平台系统具备协同设计、协同制造、协同服务、大数据分析、制造业数据库和中间件接入服务等功能，形成完整的工业制造应用交付和生产服务链。
2）具体工业引擎和核心组件规划与设计: 主要完成了工业应用统一调度引擎、大数据开发池和微服务组件库和工业应用开发者平台（工业开发中心）的构思与设计。

公司描述: 未填写
工作职责和业绩:
在此期间完成工作:
1 全面负责“动a动”测试工作: 包括测试计划、测试模板和测试用例编写工作，深入挖掘黑盒测试和用户体验，参与UFT脚本编写、性能和HttpRequest数据驱动测试，参与Jnite压力测试过程。搭建和部署相关测试环境，全面负责前端和后台测试版本管理以及功能测试。
2 全面总览测试，与开发工程师、产品工程师形成技术小组，解决项目中的各类问题。参与“动a动”产品设计改版和产品转型方案改建中，辅助开发进行新功能代码走读。使用Genymotion模拟器做过手机端模拟，模拟安卓各操作系统的功能测试；使用Emaggee和Instrument做手机端性能模拟，并得出测试报告
3使用httprequest和Fiddler做过数据抓包分析，分析过不正常数据包，监测手机端和服务器性能使用过Jmeter做接口和数据库测试，对聚合报告有一定的分析能力，做Jmeter+badboy脚本集成测试，通过badboy录制脚本，使用jmeter对服务器性能做过测试。
4对DEVOPS敏捷开发有过实际的项目经验，后期转型“动a动”算法产品架构，对阿里、腾讯、Google、微软和亚马逊等主流机器学习和深度学习智能云平台的功能架构、设计架构和服务架构做过成分研究，有机器学习和深度学习智能云平台迁移的能力。
2016.08-2017.07
亚诺天时科技发展有限公司
公司描述: 天津亚诺天时科技发展有限公司，2006年创立于天津。创业以来，公司以诚信为原则，以健康至上为理念，以市场需求，客户需求为导向，以实现公司多元化全方位经营为目标。公司业务分为两部分，一部分是动动网，另一部分是建筑智能化系统集成工程。质量与信誉决定口碑，个性与风格决定实力。
我们创办了联合体育健身、指导、交友、消费，旅游休闲等综合性的网站——动动网。我们创新思维，为爱好健身的朋友提供专业的指导团队，实现全部信息在线开放式的互动平台，将用户及其好友，和场馆商户、教练等紧密联系在一起。我们分为高尔夫球、水上运动、瑜伽、老年运动等九大板块，同时，动动网致力于通过互联网和无线技术应用，为喜爱健身锻炼的用户、专业的指导教练（健身教练、运动教练、私教）和商户（健身中心、体育场馆、体育健身器材和器械供应商）提供服务的综合性平台，并应用了时下最火热的C2B模式，从Online到Offline的一条龙整合服务策略，让动动网不但赢得了很好的人气，动动网一贯以客户为先，诚信经营的原则，健康至上的理念，也让动动网获得了良好的口碑和赞誉。
建筑智能化系统集成工程，把现代化的信息技术融入家庭装修中，智能化的信息服务系统，更是一种低碳、节能、环保的生活方式。配备智能家居系统，享受高科技带来的安全、舒适和便捷，提高生活品味，无论何时何地，都可以通过无线终端查看并远程操控家中所有设备。根据不同的风格和客户的喜好，为您量身定制，提供最佳的、更加贴近实用、易用、和人性化的家居智能化设计方案。为您创造一个温馨、舒适的家居环境，使您真正体会智能家居的优越性。智能化装修应该是个性与人性的完美融合。智”已经成为时尚的代名词，成为未来的大势所趋。
亚诺天时提供全方位的开放性的智能化互动平台，企业正向着综合性、多元化方向发展。企业的发展需要年轻的力量，亚诺天时会给你实现梦想的舞台，发挥你潜在的能力，欢迎你的加入。...
下属人数: 8 |
工作职责和业绩:
区块链经验:
1基于区块链技术的资产交易区块链方案设计: 分析了区块链与资产转增业务的契合度，区块链原型选取（Hyperledger fabric和以太坊）的对比，设计了主链提供基础账本服务，侧链提供特定场景服务；设计了区块链本身的开放接口和需要认证的账户接口；对基础账本设计决定能够采用以太坊，业务扩展层放置在区块链上，将脱敏数据上链；并设计具体业务架构。
2设计基于区块链技术的资产交易系统架构: 将资产管理平台移植入区块链之中，使用底层的区块链加密验证和共识机制对资产信息进行处理，上层平台只负责业务逻辑调用，底层着重研究双向楔入、上层设计资产转赠和买卖；优化了基于区块链技术的资产交易系统智能合约模块: 通过链上存储散列值，链外存储合约代码实现存储空间的扩展性。
3部署以太坊: 安装Docker，安装bootnode，安装以太坊节点并建立联盟链。
1 全面负责“动a动”测试工作: 包括测试计划、测试模板和测试用例编写工作，深入挖掘黑盒测试和用户体验，参与UFT脚本编写、性能和HttpRequest数据驱动测试，参与Jnite压力测试过程。搭建和部署相关测试环境，全面负责前端和后台测试版本管理以及功能测试。
2 全面总览测试，与开发工程师、产品工程师形成技术小组，解决项目中的各类问题。参与“动a动”产品设计改版和产品转型方案改建中，辅助开发进行新功能代码走读。使用Genymotion模拟器做过手机端模拟，模拟安卓各操作系统的功能测试；使用Emaggee和Instrument做手机端性能模拟，并得出测试报告
3使用httprequest和Fiddler做过数据抓包分析，分析过不正常数据包，监测手机端和服务器性能使用过Jmeter做接口和数据库测试，对聚合报告有一定的分析能力，做Jmeter+badboy脚本集成测试，通过badboy录制脚本，使用jmeter对服务器性能做过测试。
4对DEVOPS敏捷开发有过实际的项目经验，后期转型“动a动”算法产品架构，对阿里、腾讯、Google、微软和亚马逊等主流机器学习和深度学习智能云平台的功能架构、设计架构和服务架构做过成分研究，有机器学习和深度学习智能云平台迁移的能力。
3 工业互联网应用服务开发项目实施服务方案的编写
1）设计思路构建: 平台通过结合工业制造iPaaS底层能力服务和开发能力服务将需求匹配的服务连接供需双方。提供工业制造PaaS平台总集（门户网站形式），通过平台统一调度引擎以及应用服务平台接口API进行统一调用平台内部模块协议。确保平台系统具备协同设计、协同制造、协同服务、大数据分析、制造业数据库和中间件接入服务等功能，形成完整的工业制造应用交付和生产服务链。
2）具体工业引擎和核心组件规划与设计: 主要完成了工业应用统一调度引擎、大数据开发池和微服务组件库和工业应用开发者平台（工业开发中心）的构思与设计。

公司描述: 未填写
工作职责和业绩:
1智慧城市BIM与智能家居研究:
2）完成了智能家居服务机器人通信系统+控制系统的设计: 主要采用基于ROS的实时机器人操作系统对机器人额视觉传感融合、路径规划和自主控制进行了详细的设计。
3）参与基于物联网的智能家居项目研发和探讨: 实现了基于zigbee协议的智能家居生物电信号感知和自动调温的智能空调监控系统。
架构测试、区块链和人工智能经验
区块链经验:
1 在hyperledger fabric方面: 熟悉go语言，使用docker和docker-compose部署过示例网络（生成配置，查看 ca 和 msp，查看 Org1MSPanchors.tx 和 Org2MSPanchors.tx并启动网络，创建通道，安装链码），对其共识排序、账本存储、智能合约和链码较为理解，对于智能合约的SDK调用做过学习。
2在EOS 方面: 研究过EOS 虚拟机环境的预处理、编译、汇编和链接比较熟悉，使用Docker搭建EOS环境，通过 cleos 与区块链网络交互，创建钱包并配置秘钥对，创建账户，将超级节点连接到子网。通过启动节点、查看区块信息、更改智能合约文件生成生abi 文件，解锁钱包部署并调用智能合约。
智能经验:
1算法经验
1有使用CTPN+CRNN+CTC进行文本检测和文字识别的经验，熟悉yolo crnn fast-crnn faster-crnn的基本原理。对于DPM,FCN,RCNN,FAST-CRNN,FASTER-RCNN,R-FCN,YOLO(V1 V2 V3),SSD,FPN的原理比较熟悉，深入思考过基于降采样的聚合特征尺度和可变卷积特征融合的目标识别网络设计。
2对记忆类机器学习和深度学习网络优化和具有调参相关经验,具有常见的调参技巧和性能优化手段。对于目标检测研究Rrtina-net的非平衡方式设计Loss函数可变系数和两阶段梯度下降的方案，旨在得到更好的AP和FPS。
3 使用LSTM和GRU模型研发过多元因素的回归问题，帮助优化预测和分类问题，提升了原先机器学习算法的性能。
4 有在实验室使用CUDA 并行程序设计的经验，对CUDA主流硬件和编程模型架构设计较为熟悉，熟悉常用的SOC架构架构特点和应用场景，对常用硬件架构较为熟悉。
5 有研究基于Kuberflow的分布式深度学习部署和设计的经验，并参与设计了紫光云的人工智能分布式深度学习平台架构，设计了基于TensorFlow Serving的离线训练的Docker部署方案，并设计了基于Openmp客户端的并发请求、用离线One-hot取代feature_column降低服务端计算量的设计方案和优化基于JIT、XLA加速模块和公用线程池的优化方案。
2“智慧”架构经验
1对阿里、腾讯、Google、微软和亚马逊等主流机器学习和深度学习智能云平台的功能架构、设计架构和服务架构做过成分研究，有机器学习和深度学习智能云平台迁移的能力。
2对于车联网+智慧交通+城市大脑等架构和关键技术有过较为深入的研究，并将城市大脑（智慧交通）数据挖掘的道路信息对智能驾驶的优化和城市大脑（智慧交通）在车路协同对智能驾驶的优化运用到了实际项目中。
3对于智慧城市、智能家居和与人工智能相关的大数据、云计算+边缘计算的模式较为熟悉。设计基于5G和V2X的边缘基站，对于边缘雾计算和RSS内容聚合具有深入的理解。
4 有基于树莓派构建智能家居的监控系统和控制系统的项目合作。
云计算+大数据经验
1云计算基础架构和基础理论研究
1）KVM 和 Xen 基础架构解析，对于其中关键技术和主要流程有较为深入的理解。
2）对于常用的云计算开源框架OpenStack K8S Docker 基本概念和操作较为熟悉。
3）对于云计算与大数据平台和人工智能平台的整合有过研究
2 网络云计算经验
1）取得过CCNA CCNP级别的知识，对于常用网络有较深入了解。
2）研究过Neutron,对云计算网络虚拟化有一定了解，尤其是对于OVERLAY有过研究。
3）对于SDN OVERLAY模型设计、组网方案和转发流程有过学习和应用。
4) 研究过社区版的Neutron 并实现EIP功能。
3 云存储和分布式: 有过使用docker部署镜像、使用和探究微服务原理的经验，使用K8S和ceph做过分布式部署的方案研究和设计。
4有使用HIVE+zookeeper+azkaban部署和使用的经验，对于大数据中常见的ML算法有较好的数学基础。