UP简历小U

+86 138-XXXX-XXXX|xiaou.upcv@example.com|上海

个人总结

深耕智能制造领域，具备3年+AI算法研发与项目落地经验，精通机器学习、深度学习及强化学习技术。擅长将AI技术应用于工业质检、生产优化和预测性维护，主导并成功交付多个大型AI项目，实现生产效率提升20%及成本节约15%。致力于利用创新AI解决方案赋能传统制造业转型升级，追求卓越，具备出色的问题解决能力和跨团队协作能力。

工作经历

AI算法工程师

西门子（中国）有限公司

2023-07 - 2024-07

负责智能制造领域AI算法的研发与优化，包括机器视觉缺陷检测、生产过程参数优化及设备故障预测。
主导开发基于深度学习的工业产品表面缺陷检测系统，将检测精度从85%提升至98%，误报率降低60%，每年节约人工检测成本约100万元人民币。
参与构建预测性维护模型，通过分析设备运行数据，准确预测关键部件故障时间，使设备非计划停机时间减少25%。
与产线工程师紧密协作，将AI模型部署到边缘计算设备，实现实时推理，响应时间缩短40%。
负责强化学习在生产调度优化中的应用研究，初步验证可将生产效率提升5-10%。

项目经历

基于深度学习的智能质检系统

上海交通大学（硕士毕业设计项目）

2022-09 - 2023-05

项目背景：针对传统制造业人工质检效率低、易漏检的问题，设计并实现一套基于深度学习的自动化智能质检系统。
个人角色：项目负责人，负责系统架构设计、算法选型、模型训练与优化、部署测试。
技术栈：Python, PyTorch, OpenCV, YOLOv5, U-Net。
核心贡献：
- 设计并实现了基于YOLOv5和U-Net的目标检测与图像分割融合算法，在特定数据集上缺陷识别准确率达到97.5%。
- 构建了涵盖10000+张工业缺陷图像的数据集，并进行数据增强，提升模型泛化能力。
- 系统部署后，质检效率提升3倍，漏检率降低至0.5%以下，有效提升产品合格率和生产效益。

工业大数据分析与生产优化平台

西门子（中国）有限公司（工作项目）

2023-09 - 2024-03

项目背景：旨在通过收集和分析工业大数据，优化生产流程，提高设备利用率。
个人角色：核心算法工程师，负责数据预处理、特征工程及关键算法模块开发。
技术栈：Python, Pandas, Scikit-learn, TensorFlow, Spark。
核心贡献：
- 参与搭建工业大数据ETL管道，处理TB级生产数据，确保数据质量和实时性。
- 开发基于机器学习的生产参数优化模型，通过模拟和预测，推荐最佳生产参数组合，使特定产线良品率提升3%。
- 设计并实现了异常检测算法，实时监控生产线运行状态，提前预警潜在问题，减少非计划停机时间15%。