Busque currículums y tome la iniciativa de ponerse en contacto con los solicitantes de empleo para lograr una mayor eficacia en la contratación. La elección de cientos de empresas.
full-stack-engineer
前端技能 : vue.js, angular, sass, restful api, websocket
後端技能 : node.js, spring boot, , rabbitmq, websocket, k8s
Vue.js
angular
Sass
websocket
RWD
說明: 根據中鋼廠區需求進行專案
工作內容: 根據使用者需求進行前端畫面製作,表單設計及後端程式開發,將資料呈現給產線人員
其中較複雜的案子架構如下:
排程轉檔微服務 ==> db mq server <== 資料拋送微服務
↑↓ ↗
web service ↗
↑↓ 監聽mq =>警報發送
↑↓
操作頁面
排程轉檔: 約3隻微服物定時將產線資料整理做格式轉換,來源為ftp的檔案
mq資料拋送: 某些資料採用mq進行拋送,web service收到資料將觸發警報發送
web service: 處理資料庫資料及與前端的交互
專案1: AI臉部追蹤
架設臉部追蹤模型於嵌入式系統,回傳人臉座標於伺服器,伺服器利用onvif協定操控設備上的攝影機進行人臉追蹤,並將畫面回傳給前端
專案2: 故障燈號檢測
自動化產品檢測,產品檢測時會有不同顏色的燈號,利用yolov3模型判斷燈號顏色來進行自動化檢測
專案3: 會議主機前端開發
與後端api串接,前端的框架為vue,使用的技術包含websocket, restful api, 多語系切換等
自駕船計畫:辨識愛河上的船及障礙物,將辨識資訊即時回傳至操控台進行自動避碰。
工作項目:
(1) 物件辨識:利用yolo模型進行河面上之障礙物辨識
(2) 物件追蹤:利用深度學習追蹤演算法(Siames RPN)進行高速追蹤
(3) 追蹤優化:辨識結果結合Kalmam filter進行優化
youtube字幕資料收集:將內影片嵌字幕轉換成文字,生成語音訓練資料
工作項目:
(1) 資料爬蟲:使用scrapy進行字幕與影像爬蟲
(2) 字幕辨識:利用super resolution模型將影片背景黑化,再利用OCR將內嵌字幕轉換成文字
實驗室要導入時間序列相關深度學習之先導研究,題目為自然語言處理,利用tensorflow搭建NLP語言模型
(1) 文本分類:利用RNN與CNN進行文本分類。
(2) Word to vector:文字向量轉化
(3) 文本摘要總結:利用sequence to sequence模型架構,輸入經由encoder壓縮,再經由decoder解碼進行文本摘要總結訓練。
(4) 對話機器人:收集大量影集對白作為訓練資料,利用sequence to sequence模型架構進行對話機器人訓練。
公司營運項目為電動機車租借,主要開發項目為:
(1) 依照需求進行Android App開發與修改
(2) 與後端進行restful api串接
(3) 串接google map api
根據不同裝置大小,有不同的預約介面設計。
full-stack-engineer
前端技能 : vue.js, angular, sass, restful api, websocket
後端技能 : node.js, spring boot, , rabbitmq, websocket, k8s
Vue.js
angular
Sass
websocket
RWD
說明: 根據中鋼廠區需求進行專案
工作內容: 根據使用者需求進行前端畫面製作,表單設計及後端程式開發,將資料呈現給產線人員
其中較複雜的案子架構如下:
排程轉檔微服務 ==> db mq server <== 資料拋送微服務
↑↓ ↗
web service ↗
↑↓ 監聽mq =>警報發送
↑↓
操作頁面
排程轉檔: 約3隻微服物定時將產線資料整理做格式轉換,來源為ftp的檔案
mq資料拋送: 某些資料採用mq進行拋送,web service收到資料將觸發警報發送
web service: 處理資料庫資料及與前端的交互
專案1: AI臉部追蹤
架設臉部追蹤模型於嵌入式系統,回傳人臉座標於伺服器,伺服器利用onvif協定操控設備上的攝影機進行人臉追蹤,並將畫面回傳給前端
專案2: 故障燈號檢測
自動化產品檢測,產品檢測時會有不同顏色的燈號,利用yolov3模型判斷燈號顏色來進行自動化檢測
專案3: 會議主機前端開發
與後端api串接,前端的框架為vue,使用的技術包含websocket, restful api, 多語系切換等
自駕船計畫:辨識愛河上的船及障礙物,將辨識資訊即時回傳至操控台進行自動避碰。
工作項目:
(1) 物件辨識:利用yolo模型進行河面上之障礙物辨識
(2) 物件追蹤:利用深度學習追蹤演算法(Siames RPN)進行高速追蹤
(3) 追蹤優化:辨識結果結合Kalmam filter進行優化
youtube字幕資料收集:將內影片嵌字幕轉換成文字,生成語音訓練資料
工作項目:
(1) 資料爬蟲:使用scrapy進行字幕與影像爬蟲
(2) 字幕辨識:利用super resolution模型將影片背景黑化,再利用OCR將內嵌字幕轉換成文字
實驗室要導入時間序列相關深度學習之先導研究,題目為自然語言處理,利用tensorflow搭建NLP語言模型
(1) 文本分類:利用RNN與CNN進行文本分類。
(2) Word to vector:文字向量轉化
(3) 文本摘要總結:利用sequence to sequence模型架構,輸入經由encoder壓縮,再經由decoder解碼進行文本摘要總結訓練。
(4) 對話機器人:收集大量影集對白作為訓練資料,利用sequence to sequence模型架構進行對話機器人訓練。
公司營運項目為電動機車租借,主要開發項目為:
(1) 依照需求進行Android App開發與修改
(2) 與後端進行restful api串接
(3) 串接google map api
根據不同裝置大小,有不同的預約介面設計。