UP简历小U

+86 138-XXXX-XXXX|xiaou.upresume@example.com|北京

资深IoT+AI工程师，专注于物联网与人工智能技术的融合应用，具备扎实的机器学习、深度学习和嵌入式系统开发能力。在智能设备数据采集、AI模型部署及优化方面拥有丰富经验，成功实现多个复杂IoT场景下的AI解决方案落地，有效提升系统智能化水平和运营效率，致力于通过技术创新驱动业务增长。

某头部物联网科技公司

2021-07 - 2024-05

负责公司核心智能安防IoT平台的AI能力建设与优化，主导边缘AI模型的选型、训练、部署及性能调优，成功将误报率降低20%，检测准确率提升至98.5%。
设计并实现了基于TensorFlow Lite和OpenVINO的嵌入式AI推理框架，适配多种ARM和MIPS架构芯片，确保AI算法在资源受限设备上高效运行，推理速度提升30%。
深度参与智能工厂解决方案的开发，利用机器视觉技术实现生产线缺陷检测，将检测效率提升40%，每年为客户节约XX万元的质检成本。
构建了IoT设备数据采集与预处理系统，处理每秒高达10万条设备上报数据，通过特征工程为AI模型提供高质量输入，数据有效性提升25%。
指导并带领初级工程师团队，完成3个新项目的AI模块开发，确保项目按时交付并达到预期效果，团队整体工作效率提升15%。

个人项目

2023-01 - 2023-06

项目背景：针对传统农业环境监测效率低下、决策滞后的痛点，设计并开发了一套基于IoT和AI的智能农业系统。
个人角色：项目负责人及核心开发工程师。
项目执行：
- 利用ESP32开发板和各类传感器（温湿度、光照、土壤湿度），搭建物联网数据采集节点，实现环境数据的实时上传。
- 在云端部署Python和Flask构建的后端服务，接收并存储MQTT协议传输的数据。
- 基于采集的历史数据，训练LSTM模型预测未来24小时的温湿度变化，预测准确率达到92%。
- 开发了决策支持模块，根据AI预测结果自动调整灌溉和通风策略，平均节水15%，作物产量提升8%。
项目价值：通过智能化管理，显著提升农业生产效率，降低资源消耗，为智慧农业提供了可行的解决方案。

公司内部项目

2022-03 - 2022-10

项目背景：为提升工业生产线设备的运行可靠性，减少非计划停机时间，公司启动了设备故障预测项目。
个人角色：AI算法工程师。
项目执行：
- 负责收集并处理来自工业传感器的振动、温度、电流等多模态时序数据，进行特征工程提取。
- 选用CNN-LSTM混合模型，在NVIDIA Jetson Nano边缘设备上部署实现故障预测，模型训练周期缩短20%。
- 通过联邦学习技术，实现了多台设备数据的联合训练，同时保障数据隐私，模型预测准确率达到95%，提前72小时预警潜在故障。
- 与硬件团队协作，优化模型在边缘设备的运行效率，将单次推理时间控制在50ms以内。
项目价值：成功将设备故障停机时间减少25%，每年为客户降低维护成本约XX万元，显著提升了生产线的连续性和稳定性。