UP简历小U

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

个人总结

深耕物联网与人工智能交叉领域，拥有丰富的全栈开发经验，擅长从边缘计算到云端部署的AI解决方案设计与实现。精通传感器数据处理、机器学习模型优化与嵌入式系统集成，致力于通过AI技术提升物联网设备的智能化水平和运行效率。在物联网AI平台搭建、智能硬件开发及数据驱动的决策支持方面具备卓越能力，渴望在物联网AI工程师岗位上持续创新，贡献价值。

工作经历

物联网AI工程师

华为技术有限公司

2024-07 - 至今

负责物联网边缘AI平台的设计与开发，集成TensorFlow Lite和OpenVINO，实现AI模型在边缘设备上的高效部署与推理，将模型推理速度提升了25%，同时降低内存占用18%。
主导智能园区解决方案中视觉AI算法的优化与落地，包括行人检测、行为识别等，通过优化模型结构和数据预处理流程，将平均识别准确率提升至96%，误报率降低了10%。
参与物联网设备数据采集与预处理模块的开发，设计高效的数据清洗和特征工程流程，处理每日超过5TB的传感器数据，为上层AI模型提供高质量输入。
与硬件团队紧密协作，共同攻克嵌入式AI芯片的算力瓶颈与功耗优化问题，成功在多款新一代物联网终端中实现AI功能，产品上市周期缩短了15%。
撰写并维护技术文档，参与代码审查，确保项目代码质量和可维护性，团队协作效率提升20%。

项目经历

基于边缘计算的工业设备故障预测系统

上海交通大学（硕士毕业设计）

2023-03 - 2024-05

项目背景：针对传统工业设备故障预测依赖云端计算导致的时延和带宽问题，设计并实现一套基于边缘计算的实时故障预测系统。
个人角色：项目负责人，负责系统架构设计、算法选型与优化、边缘端部署和云端数据可视化。
技术栈：Python、TensorFlow、MQTT、Docker、Raspberry Pi、传感器数据。
核心贡献：
- 设计并实现了基于LSTM的时间序列预测模型，通过在边缘设备上部署模型，将故障预测的时延从500ms降低到50ms以内，提升了90%的响应速度。
- 开发了数据预处理模块，对传感器采集的振动、温度、电流等多模态数据进行实时清洗和特征提取，确保模型输入数据的质量。
- 构建了MQTT通信协议，实现边缘设备与云平台的高效数据传输和指令下发，平均数据传输效率提升30%。
- 系统在真实工业场景中进行了为期3个月的测试，故障预测准确率达到92%，有效减少了非计划停机时间，为企业节约了约15万元/月的维护成本。

智能家居AI语音助手集成项目

华中科技大学（本科科研项目）

2020-09 - 2021-06

项目背景：构建一个能够通过语音控制智能家居设备的系统，提升用户体验。
个人角色：核心开发成员，负责语音识别模块的集成与设备联动逻辑编程。
技术栈：Python、SpeechRecognition、PyAudio、MQTT、Arduino。
核心贡献：
- 集成了主流语音识别API（如百度AI开放平台），实现了高精度的语音指令识别，识别准确率达到95%以上。
- 开发了基于MQTT协议的设备通信模块，实现了语音指令到智能灯泡、智能插座等设备的实时控制，响应时间控制在200ms以内。
- 设计并实现了用户自定义命令映射功能，提升了系统的灵活性和用户友好性，用户满意度提升15%。