IT人力外包人才简历库

精通Java/PHP全栈开发，具备分布式系统架构设计能力，熟悉微服务架构与容器化部署。深度掌握自然语言处理(NLP)、计算机视觉(目标追踪)、知识图谱构建及大模型(LLM)应用开发。熟悉大数据生态体系，能够独立完成数据采集、清洗、分析及可视化全流程。具备AI算法原型到工程落地的全流程开发经验，精通TensorFlow/PyTorch框架，熟悉模型压缩与部署优化。擅长系统性能调优及生产环境运维，具备复杂业务场景下的技术方案设计与实施能力。

专注于AI技术与传统开发的融合应用，主导过多个跨领域系统架构设计与开发。成功搭建基于知识图谱的智能诊断系统，实现医疗领域实体识别准确率提升40%。主导开发企业级数据中台，构建日均处理千万级数据的ETL流水线，数据处理效率提升3倍。设计并实现基于微服务的AI推理平台，支持多模型并行推理，系统响应时间缩短至500ms以内。持续优化Java/PHP系统架构，实现核心业务模块的高可用性设计，系统稳定性提升至99.99%。

项目一：医疗知识图谱智能诊断系统开发

基于Neo4j构建医疗领域知识图谱，集成BERT预训练模型实现疾病实体识别与关系抽取。设计分布式爬虫架构完成百万级医疗文献数据采集，采用Spark进行多维度数据清洗与特征工程。开发基于图神经网络的诊断推理引擎，实现疾病关联分析准确率提升至87%。优化图数据库查询性能，通过索引分片技术将复杂查询响应时间从5秒降至200ms。项目成果应用于三甲医院智能问诊系统，日均处理诊断请求10万+次。

项目二：企业级AI推理平台建设

设计支持多模型并行推理的微服务架构，集成TensorRT优化模型推理性能。开发基于Kubernetes的弹性扩展方案，实现GPU资源利用率提升至85%。构建模型版本管理与A/B测试系统，支持多版本模型灰度发布。设计异步任务队列系统，处理日均50万+的推理请求，系统平均响应时间稳定在500ms以内。项目落地后AI推理成本降低60%，准确率提升至92%。