1,负责算法团队的管理
2,负责大模型技术在业务中的技术应用
3,负责推荐系统的开发

内容:
1,基于 GPT 2模型,ChatGLM, LLAMA 模型使用公司的科普文章,医药数据,训练 GPT 生成模型,用于医疗 GPT 问答。
2,完成 Reward_model 模型训练,进而完成 RLHF 训练。
3,训练多模型,判断 GPT 生成结果,减少生成的幻觉情况。
4,基于 GPT 2模型,使用公司的医疗聊天数据,训练问诊 GPT 模型,用于多轮医疗问诊对话训练。
5,使用 sentencepiece 训练语料库词库
6,调研 ChatGLM, LangChain 等大模型方案,测试医疗类数据效果。
7,建立用户画像体系;包含用户的年龄,性别,位置,家庭成员,我的医生等静态标签,还包含用户的动态行为,包括用户的搜
索,浏览,问诊,购买,购物车等相关信息。
8,利用 OCR ,识别病人处方单的信息,通过抽取,结构化病例信息,大大提高门店的录入效率。
9,依据医生的处方单,生成药品的向量,根据疾病与药品的关系,得到疾病的向量;根据医生与疾病的关系,得到医生的向量,
依据药品,疾病,医生的向量,计算药品与药品的相关度,药品与疾病的相关度,疾病与医生的相关度,存入了 neo4j,形成知识
图谱。
10,基于lora微调的文生图生成大模型训练
业绩:
1,使用 GPT2, LLAMA 从0到1 训练医疗模型,依赖公司的问答,文章,聊天数据训练模型,并部署在线服务;使用 lora 微调
ChatGLM2 生成医疗模型
2, 分别训练单轮,多轮问答模型;根据语料库训练词库。
3,基于人工排序训练 Reward Model
4,使用 RLHF 训练模型,优化模型生成效果
5,使用其他模型,评判生成效果,有效减少模型幻觉
6,调研其他大模型技术路线,LangChain , ChatGLM 等相关技术路径。
7,将药品,疾病,医生向量化,构建药品与药品,药品与疾病,疾病与医生关系的知识图谱;
8,建立用户画像体系,处方识别系统上线

内容:
带领团队, 10 人团队, 从 0 到 1 实现推荐, 搜索系统
编程占 75%, 团队管理占比 25%
主页课程推荐:
1,带领团队从 0 到 1 搭建课程推荐系统,构建课程画像, 用户画像, 离线训练样本,离线模型训练等模块;
2,实时更新用户画像,实现实时个性化推荐。
3,构建用户 AB_test 分流系统,评价推荐效果;
4,先后使用 GBDT, GBDT+LR, FM, DNN,Wide&Deep,DCN 等多个模型进行实验;
5,实现相关课程推荐,练习推荐等功能
APP 主页搜索:
1, 负责设计 APP 主页的搜索,排序以及实现;
2, 搜索实现个性化排序,较原有的搜索效果提高15%以上;
3, 基于缓存的数据存储方式, 搜索效率大幅提高,平均请求时间在 0.1s;
4, 搜索包含课程搜索,笔记搜索,精品课搜索,话题搜索,短视频搜索等模块;
5, 搜索中利用分词,意图识别,智能匹配等方式,无结果率减少20%以上;
业绩:
推荐效果比较,公司内部2个团队,外部达观团队,负责的推荐效果最好
1,推荐系统上线后, PV, UV 提高 20%以上,平均点击次数提高 10%以上, 用户观看时长提高30%以上;
2,排序内部实现个性化, 较原有的搜索效果提高 15%以上;
3,相关课程推荐,较原有效果提高 50%以上;
4,同学圈练习推荐 较原有效果提高 20%以上 ;

主要负责腾讯微信插件腾讯新闻,天天快报,腾讯智推的新闻个性化推荐项目
自然语言处理模块:
词库维护,通过新词发现,持续维护公司的语料库,百万级;
分词,基于新闻语料库,计算词的 idf ,标记词性,基于 jieba 分词,利用词向量做同义词映射,重构分词,关键词提取算法;
分类,基于 LDA 算法(重构),进行无监督的聚类,为无标签分类提供语料基础;利用 TextCNN ,朴素贝叶斯(重构),兼容稀疏数
据,一二级分类准确率95%以上;
地名提取,基于地名语料库,提取文章地名;
使用 Word2Vec 生成词的 Embedding;
构建新闻的标签体系
用户画像模块:
基于用户的点击行为,通过新闻的标签体系,构建用户标签体系;
基于时间序列,构建用户长短时用户兴趣,并做衰减;
基于 GPS 获取,获取用户的活动轨迹,判断用户的静态属性;
基于词的 Embedding 结果,构建用户的 Embedding;
召回排序模块:
基于一级,二级,三级标签体系,根据用户画像标签,新闻热度,以及运营策略进行召回;
基于新闻 Embedding 相似度进行召回;
基于 DMLC ,构建分布式的训练系统,训练模型,支持亿级参数训练;
基于 Embedding 结果,进行 GBDT,GBDT+LR,DNN,Wide&Deep 等深度模型,树模型进行训练预测;
挖掘长短时特征,匹配特征,相似度特征等训练模型;
工程技术:
根据数据增量大小,构建新闻池,实现数据的上线,下线;
频道 APP 的推荐,提供所有子频道的推荐服务;
基于 mongodb ,构建实时更新的用户画像服务,服务整个推荐系统;
构建 NLP 服务,实时处理各种标签提取;
基于 parameter server ,开发并使用分布式学习系统 DMLC ,支持高维稀疏场景千亿级特征、万亿级参数高性能分布式训练平台
的研发及优化,大幅提升离线训练评估效率,训练速度提升3-5倍;
图像处理模块:
基于人脸检测系统,实现新闻封面图剪裁;
识别文章中的图片,判断是否为二维码;
基于 ffmpeg ,去除视频中的 logo ;

主要负责模式识别, 车牌定位算法的研究:
1, 对论文进行分析, 编写可行性研究报告;
2, 根据实际问题编写程序(C++), 进行验证和处理;
3, 编写程序, 使用 opencv, 根据视频图像数据, 对图像内的车牌位置进行定位;
4, 负责软件算法和软件整体的移植, 功能的实现;
5, 负责算法与软件结合, 制作 dll 文件, 实现动态链接;
语音方面:
1, 负责说话人切分的性能调优工作;
2, 了解 vad 的相关知识, 负责 vad 中算法的优化, 以及说话人分割的选择;
3, 重写计算 pitch 的算法;
4, 了解说话人分割聚类的相关知识, 针对具体数据, 进行算法的优化和改进;
5, 对改进后的算法进行测试, 编写测试报告;
6, 编写程序, 实现系统的其他功能。7, 完成领导安排的其他事情。
推荐方面:
1, 搭建 hadoop 运行环境, 构建 hadoop平台;
2, 研究 mahout 推荐系统, 负责推荐系统的搭建, 并进行推荐测试;
3, 统计用户日志, 并对用户日志信息进行抽取;
4, 构建数据库, 存储用户日志信息;
5, 研究分词服务, 并对地名提取进行修改和优化;
6, 提供网页服务, 支持其他部门的工作, 为其他部门提供分词, 数据查询服务;
7, 抽取用户浏览记录, 并进行分析, 提取用户的兴趣点

对地理信息的可视区域进行分析。 解决了一系列问题, 包括不规则格网到规则格网的生成,
通视分析算法的编写, 优化, 维护, 数据的加载, 扇形区域的形成, 可视区域格网的生成等
主要问题。 同时对日照分析, 剖面分析进行了研究和实现。
业绩:
通视分析功能实现:
1, 实现了所选区域的可视化分析;
2, 实现了变步长, 设定视点高度等参数传递;
3, 运行速度快, 1km 半径, 3—5s 显示结果;
日照分析功能实现:
1, 通过计算实现任意时间, 任意经度的日照分析;
2, 实时呈现日照分析结果;
3, 为建筑规划提供可靠依据;