0
被预约次数
0
被收藏次数
0
被评价次数
1. 熟练使用常规机器学习、深度学习模型做分类、回归任务；
2. 熟悉neo4J、milvus、mongo、redis等常规数据库；
3.对大模型有基础微调；
4. 系统实现过知识图谱：数据采集、本体建模、知识抽取、知识融合、知识入库、知识问答。
5. 对实体识别、关系抽取、事件抽取、实体共指有深入的研究。
1. 武器装备类知识图谱项目
项目介绍：基于网络爬虫的结构化、非结构化、半结构化数据进行武器装备类知识图谱构建，具备知识的图
谱可视化展示和检索，实现数据采集、知识自动抽取、知识问答等功能。
2. 事件分析系统
项目介绍：关系抽取、实体共指、实体识别、事件抽取、风险事件评估。
3. 消费者人群画像(DataFountain平台)
赛题任务：根据移动用户多维度数据，运用机器学习和深度学习算法构造评估用户消费信用分值模型。
4. CCIR 2019基于电子病历的查询类问答
赛题任务：给定医疗知识图谱、医疗事件图谱和一系列自然语言问题，参赛者返回问题结果。问题的类型
包括事实型的、复杂关系型的，计算型的，或是几种类型的综合。
可兼职时间
可兼职地点
0条评论 雇主评价