•主攻大数据系统架构与人工智能方向，GPA 3.7/4.0。在国家级大学生创新项目中，独立开发基于 Hadoop 的校园能耗分析平台，获校级一等奖。
•参与企业联合课题，负责金融风控数据预处理模块，设计分布式清洗流程，将异常数据识别率提升至 95%，为后续建模奠定基础。
•领导 12 人数据团队，打造京东集团供应链智能决策平台。整合仓储、物流、市场数据（日均 8TB），采用时序预测与强化学习算法优化库存周转策略，使滞销率下降 18%，年节省运营成本 6500 万元。
•深入零售场景挖掘用户全生命周期价值，构建动态定价模型。融合历史交易、竞品价格、宏观经济指标，通过梯度提升树算法实现个性化定价，客单价提升 22%，季度营收增长 1.3 亿元。
•推动技术栈向云原生迁移，搭建基于 Kubernetes 的数据流水线。组织月度技术沙龙，引入 Transformer 架构用于需求预测，团队 85% 成员掌握实时数据处理技术，项目交付效率提升 35%。
•负责美团本地生活数据挖掘，处理用户位置轨迹与订单行为数据（日增 12TB）。运用图神经网络优化商户推荐策略，用户停留时长增长 25%，月活跃用户提升 18%。
•主导外卖配送时效预测项目，融合天气、交通、历史订单数据，采用 XGBoost 与 CNN 混合模型。预测准确率达 89%，平均配送时间缩短 8 分钟，用户投诉率降低 40%。
•设计并落地数据资产管理系统，实现从数据采集到模型监控的自动化闭环。服务 7 个业务线，覆盖 3 亿用户，数据开发周期压缩 50%，支撑公司实时决策效率跃升。
•项目背景：应对季节性需求波动，需动态调整区域仓库存策略以减少积压。
•数据处理：整合京东仓配数据、第三方物流信息、市场舆情数据（总量 400GB+），构建包含 180+ 维度的特征库，解决稀疏性与时效性问题。
•模型构建：采用 LSTM 神经网络捕捉需求趋势，结合蒙特卡洛模拟进行库存优化，预测精度达 91%，周转率提升 25%。
•成果应用：部署至 10 个核心城市仓，降低滞销损失 30%，年增利润 4200 万元，模式推广至全集团。
•项目背景：提升基层医院早期疾病筛查效率，减少漏诊率。
•数据整合：对接三甲医院 PACS 系统，获取 CT 影像与电子病历（500GB+），标注 15 万例样本，设计多模态特征融合方案。
•模型训练：基于 ResNet 架构开发多任务学习模型，集成迁移学习加速收敛，在测试集 AUC 达 0.94，敏感性 92%。
•上线效果：系统嵌入 5 家医院工作流，辅助诊断准确率提升 28%，筛查效率提高 3 倍，获卫健委专项认证。
技术专利:
持有一项发明专利：《基于边缘计算的分布式用户行为实时分析系统》，已获国家知识产权局授权，应用于高并发场景。
开源社区:
主导开发开源数据质量监控工具 DataGuard，集成在 Apache Incubator 项目，解决数据漂移检测痛点，获 1200+ stars 与 500+ 企业采用。
