工作职责:
1、 负责智能座舱领域的语义判不停功能开发,解决用户语义表达不完整中
途停顿导致NLU解析错误的问题,比如用户说“打开车窗”,可能由于表达
或者asr识别错误的问题,会被切分为“打开”和“车窗”两个query,导
致语义理解错误,考虑短文本和芯片性能的原因使用 TCN 模型,并对其进
行int8量化处理;
2、 负责ASR识别后文本纠错从0到1方案的搭建,根据纠错类型尝试了多
种方案,开始使用 bert 的 MLM 技术只能纠正替换错误;后来使用 CNN
seq2seq模型进一步优化,可以解决替换、插入和删除错误,WER从18%
下降到10%;
3、 由于车控领域用户的query较短,而且需要快速修复badcase,因此采
用C++开发NLU规则来满足大部分需求,通过bert模型进行泛化提升系
统整体性能;
4、 负责基于预训练大模型开发汽车说明书问答系统,系统主要分为排序模
块和阅读理解模块,分别使用预训练模型RocketQA和layoutxlm,最终答
案通过在说明书中高亮来显示。为降低延时,使用flask搭建服务进行优化,
延时从20s下降到5s以内;
5、 跟进AIGC前沿发展动态,尤其是围绕ChatGPT、GPT4方面的生态技
术,掌握ChatGLM-6B以及LLaMA生态算法原理,并基于LLaMA+LoRA
进行微调模型;
6、 了解分布式训练框架原理,比如DeepSpeed、Megatron-LM等,了解
图文大模型原理,比如CLIP,stable diffusion,Consistency Models等;
7、 和工程团队对接GPT3.5和ChatGPT部署在公司平台部署,并在人机交
互中调用多种开源大模型对比测试效果;

工作职责:
1、 参与滴滴准驾卡的数据分析与建模工作,主要目的是给司机制定一些不
良驾驶行为的扣分项来规范司机的行为,从而尽量减少交通事故的发生,由
于数据稀疏,最终根据国家驾照的扣分形式制定了不同不良驾驶行为的扣分
值;
2、 负责女司男乘言语骚扰模型,根据录音的asr文本进行建立TextCNN文
本分类模型,并且使用关键词对模型进行增强;由于骚扰的订单比较少,通
过对录音中的关键骚扰语句进行 EDA 方法进行数据增强,然后在负样本中
插入增强后的关键短语来生成正样本;

工作职责:
1、 首先对医疗电子病历进行拆分为几部分,比如主诉、现病史、确诊等等信
息,然后通过和医生讨论筛选出重要部分进行疾病(肺癌、胃癌、食管癌)
种类的分类模型,使用word2vec+textCNN,并使用bert家族模型优化
词向量,最终准确率是97%;
2、 提取电子病历关键信息,比如症状,药品,日期等等40多个实体类型,
最终把非结构化的电子病历进行结构化,首先考虑经典的
biLSTM/IDCNN+CRF模型,然后使用不同的bert预训练模型(bert、bert_wwm、RoBerta)来进行优化对比,发现RoBerta效果最好,P和
R值都能达到90%,由于传统模型只利用了字信息,没有考虑词信息,所
以使用latticeLSTM进行优化建模,最终效果比使用bert提升2%;
3、 深度学习一般超参数非常多,所以开始研究autoML技术,阅读大量paper,
由于autoML非常消耗资源,最后使用微软开源工具NNI工具来优化文
本分类和NER模型,效果提升明显。
4、 研究强化学习算法,比如MDP、MC、TD、Qlearning、DQN、AC等等,
探索强化学习在NLP中的NER和文本分类选择样本应用。
5、 研究预训练模型相关技术transformer、ELMo、GPT、bert、XLNet
6、 从零搭建知识图谱和对话系统:网络爬虫数据到MongoDB,并且导出数
据为json结构,然后使用neo4j图数据库存储知识图谱,对自然问句进
行解析为cypher查询neo4j返回答案

工作职责:
1、 根据咨询帖子内容生成帖子的简短标题用于推荐系统,使用经典的
seq2seq+attention框架,encoder和decoder都是LSTM,最开始训
练发现模型坍塌了,每个batch_size为128输出的内容几乎是一样的,
通过调小batch_size为32发现效果有了明显的提升,也尝试过其他的优
化技术,比如beam search、copyNET等等,发现效果提升不明显,生
成的效果最终使用一下规则进行兜底,评价指标为ROUGE、BLEU;
2、 给新闻帖子打二级标签,都是使用textCNN进行文本分类,并使用BERT
预训练模型优化词向量,也可以考虑使用新闻内容和新闻标签建立注意力
机制;
3、 提取咨询帖子中小区名称和地理位置信息等关键信息为推荐系统提供特
征,使用NER常用模型biLSTM+CRF和IDCNN+CRF进行实体识别,
P是92%,R是90%

工作职责:
1、 通过判断司机是否安装抢单软件、抢单时长是否小于3s等等特征来建立
司机刷单分类模型,从而有效提示车队长进行司机管理,提升接单的公平性,
提升企业运营效率.
2、 首先对订单相关统计特征进行分箱处理,然后采用 WOE 进行特征变换,输
入到逻辑回归进行训练特征的权重,最后进行线性组合特征从而产生评分,
根据对订单评分排序后,直接用于派单决策,尝试过不同的模型来完成,
比如LR、RF、xgboost等等;后续考虑采用强化学习进行整体派单优化
3、 负责乘客推荐上车点模型设计,首先去除通过Dbscan聚类算法进行噪音
点剔除,然后使用kmeans聚类,把聚类中心作为上车推荐点,覆盖率提升
了30% ;
4、 把一天每 10 分钟切成一个时间片,并且对城市进行区域划分,考虑是否为
节假日以及天气状况,然后使用回归和时间序列对进行时空数据的司乘
gap供需预测;
5、 依照供需预测的结果,进行设计调度算法,一般考虑供需缺口比较大的区域
作为调度目标区域,然后根据距离和时间阀值来扫描周围的区域是否有空
闲的车辆可以调度,以最大化满足乘客的需求;
6、 负责拼车模型设计,首先会考虑设定拼车最大的绕路距离以及时间,然后通
过下单乘客的出发地和目的地粗选出可以拼车的乘客,然后再可拼车的乘
客进行二分图匹配,以降低乘客成本、并且平台利润最大化,高峰流水会提
高20%;
7、 负责司机异常行为的分析(离群值分析);
8、 使用用户的历史数据,比如一段时间的下单量,下单金额以及打开app的次
数等等特征来建立用户后付坏账的风险模型,平均日减少损失1万元;
9、 组织团队内部数据挖掘技术培训;

工作职责:
1、 运用R、python完成中车大数据分析项目过程中业务数据的数据分析、
数据挖掘和数据可视化工作;
2、 了解用户画像的基本流程以及研究推荐系统常用的算法;
3、 参与hadoop数据分析平台的方案设计;
4、 探索学习前沿的机器学习算法理论与实践,比如深度学习,迁移学习,自
然语言处理等;
5、 负责中文分词、词性标注、命名实体识别,熟悉nltk、jieba库,熟悉n-
gram、tfidf算法等等。
6、 参与知识图谱的培训.

工作职责:
1、 负责项目需求调研、根据需求报告分析制定KPI指标以及报表的格式;
2、 负责企业财务、供应链等业务系统的数据清洗、数据集成、数据仓库建
模;
3、 运用sap bw/bo/hana开发ETL、数据仓库建模和数据可视化工作。