RAMANANKANDRASANA's Resume

RAMANANKANDRASANA

Data annotation

Male

30 y/o

Customer Representative/Sales Manager/Supervisor/Language Teacher/English Teacher/After-sales customer service/Pre-sales customer service/Network/Online Customer Service/Data/AI/Machine Learning/Data Scientist

Live in China

Nationality Madagascar

Summary

计算机科学硕士，研究方向为机器学习与计算机视觉，具备 Python、数据分析、AI模型训练与模型评估基础。熟悉 CNN、ViT、SVM、Pandas、NumPy、Matplotlib、Jupyter 等工具，能够参与数据整理、模型测试、结果分析和基础技术文档整理。曾担任高中计算机及英语教师，具备良好的表达能力、逻辑思维和责任心；也有电商运营经验，曾将数据标注和数据分析方法应用于库存、客户反馈和购买行为整理，为运营优化和销售策略提供支持。法语母语，英语流利（C1），中文达到 HSK4 水平，能够适应中英法多语言沟通及跨文化团队协作。目前希望寻找 AI训练师、数据标注质检、Python数据分析、跨境电商，软件开发师等相关技术岗位。

Work experience

门店经理兼电子商务负责人
Tutichik (时尚品牌)
2020.01-2023.01
(3 years)
•负责时尚品牌实体店与线上店铺的日常运营及销售策略制定。 •管理库存、视觉陈列,分析时尚市场趋势。 •通过分析客戶反馈优化产品目录,提升客戶满意度。
电⼦产品及游戏配件电商
tutye
2020.01-2023.01
(3 years)
马达加斯加塔那那利佛 •全面负责线上电子零售店的运营管理。 •基于市场趋势优化销售流程,实施动态定价策略。 •负责供应商沟通及科技产品质量管控。
计算机科学教师 (非永久性)
lycee ampanefy
2019.01-2020.01
(a year)
•向高中生教授计算机基础、算法及编程逻辑。 •为零基础学生设计课程,培养数字素养。

Educational experience

大庆师范学院
汉语语言证书(HSK四级备考)
2025.09-Current
(9 months)
hsk4 level 汉语学习
武汉纺织大学
计算机科学与技术
2023.09-2025.06
(2 years)
1. 目的与意义为解决图像分类中深度学习“黑箱”问题，提高人机交互（HCI）系统的可解释性与可信度，本文设计了一个混合 CNN‑SVM 模型，兼顾高精度与决策透明性，适用于心理健康监测等敏感场景。 2. 摘要与关键词摘要：基于 MobileNetV3 提取特征，RBF‑SVM 分类，在 FER‑2013 数据集上达到 78.6% 准确率、0.77 F1 分数，优于纯 CNN（75.2%）。Grad‑CAM 热图与专家标注的 IoU 达 0.71，推理速度 18 ms/图像，可实时部署。关键词：混合深度学习；CNN‑SVM；情感识别；人机交互；Grad‑CAM 3. 主要成果提出 CNN‑SVM 混合架构，准确率提升 3.4%，少数类（厌恶）召回率从 62% 提至 75%。通过 Grad‑CAM 实现可解释性，IoU=0.71，符合伦理 AI 要求。实时推理（18 ms/图像），适合边缘设备。采用加权采样与数据增强缓解类别不平衡。对比多种混合模型，CNN‑ViT‑SVM 达 82% 准确率。展现能力： PyTorch、SVM、数据增强、可解释性分析、边缘端优化，具备独立科研与工程能力。
IS-INFO
计算机科学
2014.09-2018.09
(4 years)
主修计算机维护、⽹络技术及系统管理，获荣誉学位。