机器学习coding

• UID:21240

综合评分 34

方向：人工智能-机器学习与深度学习、算法-信号处理

上海市

1000元/8h

1-3年经验

求职意愿：接单·不求职(1天前更新)

个人简介

扎实算法理论与丰富工程落地经验，擅长AI论文复现与生产力转化。区别于纯调参开发，具备从数据清洗、模型设计、训练调优到边缘端部署（TensorRT/ONNX）的全链路能力。承接深度强化学习（DRL）、计算机视觉（CV）领域算法定制，覆盖金融智能决策、工业精密检测、机器人复杂路径规划等场景，提供高性能、高鲁棒性解决方案。代码规范，交付文档详尽，严守版权与保密承诺。

技能

核心技能：

其他技能： Python、C、C++

交流语言：英语（无需工具可书面交流）、普通话（母语水平）

行业经验：人工智能

项目案例

基于深度强化学习(DRL)的加密货币高频量化交易系统

本项目旨在解决传统量化策略在极端行情下适应性差的问题，开发了一套基于深度强化学习的自动化交易系统。主要功能包括：多因子数据处理：实时接入交易所WebSocket数据，自动清洗并计算MACD、RSI、布林带等50+技术指标及链上数据特征。智能决策代理：系统根据当前市场状态（State），自动输出买入、卖出或持仓动作（Action），并动态调整仓位比例。回测与模拟盘：提供高性能回测引擎，支持历史数据回放验证策略有效性，并集成实盘模拟环境。风险控制模块：内置最大回撤控制、止盈止损机制，防止极端市场波动导致的本金大幅亏损。

金融

工作经历

111

50-200人

算法工程师

2023.09 - 2025.11

需求拆解与技术调研：对接业务场景（如机器人运动控制、工业视觉检测、金融智能决策等），明确核心目标（精度、效率、实时性等），调研前沿算法框架、论文成果及行业解决方案，评估技术可行性与落地成本，输出调研报告与技术方案。数据全流程处理：参与数据采集（含仿真数据生成、真实场景数据采集）、清洗（去噪、去重、异常值处理）、标注（制定标注规范、验证标注质量）与预处理（归一化、增强、格式转换），构建高质量训练 / 测试数据集，保障数据适配算法需求。模型设计与开发：根据业务场景设计算法架构（如深度学习模型、强化学习智能体、传统机器学习模型等），基于 PyTorch/TensorFlow 等框架实现模型编码，完成论文算法复现或自研算法开发，确保代码规范、可复用。模型训练与调优：搭建分布式训练环境（或本地仿真环境），设计训练策略（学习率调度、正则化方案、批次大小优化等），开展模型训练与超参数调优；通过可视化工具监控训练过程，分析 loss 曲线、精度指标，解决梯度消失、过拟合等问题，平衡模型精度与计算效率。模型轻量化与部署：针对部署场景（边缘端、云端、嵌入式设备）进行模型优化（剪枝、量化、蒸馏），通过 ONNX/TensorRT 等工具完成格式转换与推理加速，适配硬件资源（CPU/GPU/FPGA），将模型集成到业务系统（如机器人控制系统、工业检测设备、APP 后端），完成联调测试与上线交付。