IT人力外包人才简历库

精通高等数学、线性代数、概率论与数理统计，深入理解机器学习算法数学原理。熟练掌握监督学习（线性回归、SVM、决策树、XGBoost/LightGBM）与无监督学习（聚类、降维）算法，具备模型调优能力。精通Python编程，熟练使用NumPy/Pandas进行数据处理，掌握Matplotlib/Seaborn可视化分析。熟悉PyTorch深度学习框架，精通CNN/RNN/Transformer架构，掌握反向传播、梯度消失/爆炸等底层机制。具备英文文献阅读能力，能够复现前沿论文模型。

专注于机器学习算法研究与应用开发，主导完成多模态深度学习药物筛选模型研发。独立设计基于图神经网络与蛋白质语言模型的特征提取方案，创新性提出注意力融合机制提升模型性能。完成端到端回归预测模型开发，在Davis/KIBA基准数据集上实现CI值0.91的优异表现。具备完整的算法研发流程经验，包括数据处理、模型训练、效果评估及论文撰写，能够将研究成果转化为实际应用。

药物-靶标亲和力预测模型研发（2023.06-2024.06）

项目背景：针对传统药物筛选周期长、成本高的问题，开发人工智能药物筛选系统。

技术实现：构建多模态深度学习框架，采用图神经网络提取药物分子拓扑特征，利用预训练蛋白质语言模型获取靶标序列深度特征。设计注意力融合机制实现药物-靶标交互模式学习，构建端到端回归预测模型。

技术挑战：解决异构数据特征融合难题，提升模型泛化能力。创新点：提出自适应注意力机制，实现关键化学基团与结合口袋区域的精准交互建模。项目成果：完成模型权重文件及代码库开发，形成可直接应用的预测系统，相关论文进入审稿阶段，模型具备药物重定位研究应用潜力。