你好,我是

张坤填

一名专注于

能根据具体的业务需求提出相关的解决方案并且进行实现
专注于储能行业、大模型应用、能源控制系统开发

向下滚动

关于我

个人优势与专业领域

核心优势

丰富的行业经验,能根据具体的业务需求提出相关的解决方案并且从0到1实现。目前参与过的项目开发有:电池大数据平台能源AI人工客服电池安全检测与计算能源智能控制等等。

专业领域

大数据平台

电池数据分析与处理

AI客服系统

智能对话与问答

安全检测

电池安全监控算法

智能控制

能源管理与优化

0
年工作经验
0
项目经验
0
SCI论文
0
技术栈掌握

技术专长

Python TensorFlow Hadoop Dify FastAPI 大模型

工作经历

专业成长轨迹
当前职位

AI算法工程师

广州疆海科技有限公司
2025.05 - 至今

负责云平台的AI算法开发,涵盖AI机器人云BMS(电池管理系统)AIEMS(人工智能能源管理系统)的开发。优化算法性能,提升系统智能化水平,推动公司在人工智能领域的创新与发展。

工作内容

云BMS项目:开发了多种电池故障检测算法,能提前检测到电池故障,及时反馈到售后部门,减少了公司各方面的损失;提出新思路解决了前期无标签数据训练的问题
AI EMS项目:将家庭负载预测的MAE准确率从64%提高到80%,极大提高能源调度算法的可用性;原项目人离职后接手该项目,分析VOC,提取用户需求,推动产品升级,优化AIEMS目标函数,提高收益10%
AI机器人项目:主要负责自动生成工单、AI视频对话功能开发,通过AI自动引导解决用户提出的问题,提高用户对产品的满意度

主要业绩

64%→80%
家庭负载预测MAE准确率大幅提升,极大提高了能源调度算法的可用性
10%↑
优化AIEMS目标函数,接手项目后分析VOC推动产品升级,提高收益10%
创新
提出新思路解决无标签数据训练问题,开发多种电池故障提前检测算法,减少公司损失

算法工程师

深圳市富兰瓦时技术有限公司
2022.07 - 2024.09

工作内容

负责相关算法开发:电池安全检测、寿命估计、推荐、大模型算法应用等
根据具体的业务,研究并提出解决方案,做相关实验向管理层解释其原理和有效性
设计数据库表结构、相关协议
熟练使用Python、大数据(Hadoop、Hive等)、机器学习(sklearn)、深度学习(Tensorflow)、后台(fastapi、Flask),大模型(langchain、ChatGPT、LLM、Agent)等

主要业绩

10%+
开发了电池相关算法,将预测误差降低10%以上,有效延长了电池使用寿命,降低了电池风险事件的发生率
10%↑
开发了基于本地知识库的语音问答助手,项目上线后活跃用户数增长了10%
20%↑
开发家庭负载预测与光伏发电预测算法,预测精度提升20%,有效提高了能源管理效率

项目经验

核心项目与技术成果
已上线

智能语音助手

算法工程师 2023.05 - 至今

构建具备智能对话、多功能交互的智能语音助手,提升用户使用体验并支持多场景的智能操作。项目通过AI、后台和APP三端协同工作,实现语音指令的快速处理与反馈。

LangChain Flask Multi-Agent NLP Dify

富兰瓦时阶段

15%
响应时间缩短
20%
用户活跃度提升
  • 设计并实现了AI、后台与APP三端的交互协议,确保各模块高效通信
  • 主导开发了基于本地知识库的智能问答功能
  • 实现了页面跳转、系统设置调整等功能,增强了产品的实用性

疆海科技阶段

20%
对话延时降低
一键工单
智能工单生成
  • 负责实时语音转文字及转换结果纠错开发,整体转换延迟控制在200ms以内
  • 负责相关MCP服务开发,节省后端人力配置接口参数,快速适配对话机器人
  • 新增自动提交工单服务,用户与AI聊天时发现问题难以解决,可一键生成提交工单
  • 设计并参与实现AI视频实时对话框架,整体时延控制在5秒左右
  • 提出Dify搭建工作流的优化方案,减少对话延时20%
已上线

电池大数据平台

算法工程师 2022.11 - 至今

构建集电池寿命预测、安全监测与一致性评估于一体的大数据平台,提供精准的电池健康管理与优化方案。通过平台的数据处理与算法支持,实现对公司全部电池生命周期的监控和预测。

Hadoop Hive Alink 大数据

富兰瓦时阶段

10%+
预测误差降低
25%
平台吞吐量提升
  • 开发并部署了高精度的电池寿命预测算法,显著延长了电池的使用寿命
  • 构建了实时电池安全检测系统,避免了15%的潜在事故发生
  • 设计并实现了电池一致性计算模块,提升了电池组的整体性能

疆海科技阶段

70%
故障检测准确度
提前1周
故障预警时间
  • 讨论并新增了多种设备故障检测算法,检测准确度达70%,能提前一周发现故障设备
  • 提出异常标签数据的构建方法,研发电池异常检测的机器学习算法,准确率99%,误报率0.1%(该方法已提交相关专利交底书)

教育背景

学术成长历程
2020-2022

大阪大学

硕士学位 · 多媒体工程
(与国内计算机科学与技术专业类似)
硕士

研究方向

主要研究生成对抗网络 (GAN),专注于深度学习和计算机视觉领域的前沿技术

学术成果

2 篇SCI论文

在校期间发表过2篇SCI论文,展现了扎实的学术研究能力

2015-2019

韩山师范学院

本科学位 · 软件工程
本科

专业基础

系统学习软件工程理论与实践,为后续的AI算法工程师职业发展奠定了坚实的技术基础

成就亮点

核心业绩与技术突破

算法性能优化

10%+ 电池预测误差降低
20% 能源预测精度提升

通过算法优化和特征工程,显著提升了电池寿命预测和能源管理系统的准确性

用户体验提升

20% 用户活跃度增长
15% 系统响应时间缩短

开发的智能语音助手和问答系统显著提升了用户体验和系统性能

安全风险控制

15% 潜在事故避免
25% 平台吞吐量提升

构建的实时电池安全检测系统有效降低了安全风险,提升了系统整体性能

技术创新突破

3 篇AI论文
1 项AI+能源专利