案例介紹
? 芯片工業(yè)瑕疵分類(lèi)深度學(xué)習(xí)項(xiàng)目：基于Intel生產(chǎn)線6200+張芯片截圖數(shù)據(jù)集，通過(guò)標(biāo)記、圖像預(yù)處理和數(shù)據(jù)增強(qiáng)、Tensorflow，簡(jiǎn)歷CNN模型，model score 達(dá)到86%，accuracy提高在88%左右,并且與實(shí)際生產(chǎn)線ID關(guān)聯(lián)，方便后續(xù)統(tǒng)計(jì)；該項(xiàng)目應(yīng)用于英特爾成都DP Department的日常工作中；
? 利用NodeJS 和MongoDB作為前后端支持建立實(shí)時(shí)在線問(wèn)題收集留言板，將留言信息及時(shí)發(fā)到指定郵
? 利用MySQL對(duì)團(tuán)隊(duì)日常數(shù)據(jù)庫(kù)進(jìn)行管理， 編寫(xiě)query抓取機(jī)器故障、芯元處理速度等的數(shù)據(jù)，進(jìn)行簡(jiǎn)單的數(shù)據(jù)分析在Ops meeting上總結(jié)匯報(bào)
案例圖片
相似案例推薦
其他人才的相似案例推薦
-
SC高速項(xiàng)目
項(xiàng)目描述： 1.系統(tǒng)通過(guò)對(duì)道路相關(guān)數(shù)據(jù)（車(chē)輛、違法、事故、
-
SC高速項(xiàng)目
項(xiàng)目描述： 1.系統(tǒng)通過(guò)對(duì)道路相關(guān)數(shù)據(jù)（車(chē)輛、違法、事故、
-
深度學(xué)習(xí)機(jī)器學(xué)習(xí)算法構(gòu)筑
使用TensorFlow 底層API 搭建CNN 模型，并加
-
深度學(xué)習(xí)機(jī)器學(xué)習(xí)算法構(gòu)筑
使用TensorFlow 底層API 搭建CNN 模型，并加
-
基于地圖信息的5g信號(hào)功率預(yù)測(cè)
通過(guò)一系列的地圖信息，例如基站的信息，小區(qū)的信息，信號(hào)傳播所
-
基于地圖信息的5g信號(hào)功率預(yù)測(cè)
通過(guò)一系列的地圖信息，例如基站的信息，小區(qū)的信息，信號(hào)傳播所
-
基于Tensorflow的字符識(shí)別框架
功能： 主流深度學(xué)習(xí)字符識(shí)別算法如Aster和CRNN算法
-
開(kāi)發(fā)者中心平臺(tái)
1、使用Div+Css進(jìn)行頁(yè)面排版。 2、使用boots
-
自行編寫(xiě)KNN計(jì)算代碼實(shí)現(xiàn)手寫(xiě)輸入識(shí)別
二進(jìn)制建議實(shí)現(xiàn)knn，進(jìn)行手寫(xiě)數(shù)字輸入的識(shí)別。 如您所見(jiàn)，在
-
目標(biāo)檢測(cè)
采用TensorFlow框架搭建神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)模型，通過(guò)制作大
-
目標(biāo)檢測(cè)
采用TensorFlow框架搭建神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)模型，通過(guò)制作大
-
城市級(jí)停車(chē)大數(shù)據(jù)接入監(jiān)控管理后臺(tái)
城市級(jí)停車(chē)大數(shù)據(jù)接入平臺(tái)，包括停車(chē)場(chǎng)數(shù)據(jù)、路內(nèi)停車(chē)數(shù)據(jù)、充電
微信接收人才推送
關(guān)注猿急送微信平臺(tái)，接收實(shí)時(shí)人才推送
