上海交通大学计算机专业博士毕业,在校期间的主研方向为数据挖掘、机器学习、AI人工智能。毕业后即进入某大型软件上市公司从事大数据、人工智能等技术相关工作。在大数据应用、人工智能等方面都有着丰富的经验。
点击博客个人主页查看叶梓老师的更多详情个人助理QQ:526346584
案例及课程:
主要课程:
- 《数据分析与数据挖掘导论》
- 《机器学习与深度学习》
- 《基于深度学习的计算机视觉》
- 《强化学习与深度强化学习》
- 《强化学习》
- 《大数据》
人工智能咨询项目案例:
- 部分项目经验:
- 上海市经信委人工智能项目 项目负责人
- 搭建大数据资源融合处理大平台和智能服务平台。建设智能应用系统,包括:基于NLP技术的智能系统、基于深度学习的影像识别系统、服务监管系统、基于智能推理算法的筛查系统。
- 上海市的某领域信息化工程 总工程师
- 采用大数据技术,建设市级档案信息平台,完成试点区县接入并采集居民相关信息,实现市级平台档案等服务,并实现所有区县的全面接入。为解决超量数据的存储与计算的问题,还搭建了存储全市数据的云计算平台,并在其上进行了基于大数据的分析和挖掘工作。
- 部分人实践案例:
- 人体姿态识别
- 初步需求:捕捉人体运动动态
1、获取到视频流,并将视频分解为多帧2维的图像,
2、通过深度学习中的关键点检测算法会识别并标记出身体特点的部位,
3、通过算法将关键点连接到一起,形成不同角度下的姿势表现,
4、并以人体姿势骨架的形式将人体姿势呈现出来,并最终实现可视化
- 识别结果:在训练集上的正确率: 95.93% ;在验证集上的正确率: 87.08%
- 土方车识别系统
- 典型的深度学习模型就是包含很多个隐含层神经网络,如:CNN;
- CNN及其拓展模型主要用于图像识别、目标检测等领域;
- CNN的关键技术包括:卷积、共享权重、池化采样、非线性激活等。
- 技术路线:
- 利用基于TensorFlow+Keras的深度学习框架;
- 利用GPU提高训练速度;
- 搭建了特定结构的CNN模型:
- 两个卷积层;
- 一层最大池化;
- ReLU激活函数;
- 通过Dropout避免“过适应”;
- 最后是全连接层。
- 结果:识别率达到:98%