	熟练使用 Python 编程语言
	熟练使用Numpy数据分析库、matplotlib绘图库，能对数据进行有效分析和可视化处理
	掌握机器学习基本算法，逻辑回归，SVM，K-means，决策树，朴素贝叶斯，HMM 等
	熟悉 tensorflow，PaddlePaddle ，Pytorch深度学习框架，可以使用该模块搭建神经网络项目
	熟悉使用 OpenCV 库，可完成图像基本处理，图像特征点提取等工作
	熟悉Linux系统，mysql数据库

项目一：台球号识别
项目介绍：
	基于opencv框架对球号的识别
个人职责：负责实现算法的搭建和优化
项目内容：
1.	数据预处理，将原图像进行裁剪，模糊和形态学图像处理
2.  处理后的图像进行部分颜色的提取，并去除噪点，从而识别大小号球
3.  大小号识别完毕后再将其提取台球1-7号球的颜色，结合大小号和颜色判断球号
4.  算法识别精度达98%，具有较好的识别效果
  项目二：芯片瑕疵检测
项目介绍：
	基于opencv实现对芯片进行瑕疵检测。
个人职责：负责瑕疵检测功能的实现
项目内容：
1.  数据预处理，将图片进行灰度化
2.  对图像进行高斯模糊，去噪，再将其二值化
3.  提取图片外层轮廓及填充，利用图像减法找出瑕疵
4.  再将其闭运算操作
5.  绘制最小外接圆
6.  再根据业务指标进行IF语句判断是否为瑕疵芯片还是正常芯片
 项目二：水果分类
项目简介：
基于CNN实现对1200多张图片进行5个类别分类，使用了三组卷积池化组，一层全连接，激活函数使用的是softmax。
个人职责：负责水果分类功能的实现
项目内容：
1.  数据预处理，将图片存入字典，遍历每个子目录拼接图片路径，遍历字典，划分训练集和测试集；
2.  图片归一化处理，构建训练集读取器和测试集读取器；
3.  搭建CNN卷积神经网络，创建损失函数，交叉熵；
4.  在梯度下降前克隆一个program用于测试，构建梯度下降优化器，执行训练；
5.  对模型进行评估，使用matplotlib训练过程可视化，模型保存；
6.  加载模型，进行预测，模型精度为95%；