AI 與邊緣計(jì)算 領(lǐng)域，以 python 為技術(shù)基石，精通 系統(tǒng)底層開發(fā)與驅(qū)動(dòng)編程，同時(shí)熟練掌握 TensorFlow Lite、ONNX Runtime 等輕量化 AI 框架的部署與優(yōu)化。“底層開發(fā) + AI 集成” 的復(fù)合技術(shù)能力，擅長將深度學(xué)習(xí)模型與嵌入式硬件結(jié)合，解決資源受限設(shè)備的 AI 落地問題，尤其在英偉達(dá)系列開發(fā)板的 AI 應(yīng)用開發(fā)上經(jīng)驗(yàn)豐富。熟悉數(shù)據(jù)結(jié)構(gòu)與算法優(yōu)化，能針對(duì)邊緣設(shè)備特性進(jìn)行模型剪枝、量化處理，在保證精度損失 < 1.5% 的前提下，實(shí)現(xiàn)模型體積縮減 70% 以上，滿足人工智能場(chǎng)景的實(shí)時(shí)性要求。
學(xué)員評(píng)價(jià)
項(xiàng)目經(jīng)驗(yàn)鴻蒙系統(tǒng)AI人工智能綜合開發(fā)項(xiàng)目：作為核心技術(shù)負(fù)責(zé)人，主導(dǎo)基于鴻蒙系統(tǒng)的智能小車 AI 功能開發(fā)，集成環(huán)境感知與路徑規(guī)劃模塊。通過融合多傳感器數(shù)據(jù)與輕量級(jí)目標(biāo)檢測(cè)模型，實(shí)現(xiàn)障礙物識(shí)別準(zhǔn)確率達(dá) 92%，完成從算法選型、模型部署到硬件調(diào)試的全流程落地。AI 智能考勤系統(tǒng)開發(fā)項(xiàng)目：參與華清遠(yuǎn)見實(shí)訓(xùn)項(xiàng)目研發(fā)，負(fù)責(zé)語音交互與視覺識(shí)別模塊整合。基于 ESP32-S3 開發(fā)板搭建硬件平臺(tái)，采用語音識(shí)別算法實(shí)現(xiàn)考勤指令精準(zhǔn)響應(yīng)，結(jié)合光電傳感器數(shù)據(jù)完成人員統(tǒng)計(jì)，該系統(tǒng)已作為學(xué)員畢設(shè)與實(shí)訓(xùn)核心案例推廣。嵌入式 AI 模型優(yōu)化項(xiàng)目：針對(duì)工業(yè)場(chǎng)景中的設(shè)備狀態(tài)監(jiān)測(cè)需求，將 ResNet 系列模型進(jìn)行輕量化改造，通過 INT8 量化與算子融合技術(shù)，使模型推理延遲降至 80ms 以內(nèi)，成功部署于邊緣網(wǎng)關(guān)設(shè)備，支撐工業(yè)現(xiàn)場(chǎng)實(shí)時(shí)監(jiān)測(cè)場(chǎng)景。
