•主修《统计学习理论》《计算机视觉导论》等核心课程，在分布式训练实验中采用PyTorch DDP框架搭建多GPU并行环境，独立撰写课题《轻量化Transformer在移动端的目标检测优化》并完成消融实验验证。
•发起校际AI技术沙龙「模型部署研习社」，牵头搭建一键部署工具链「ModelForge」，支撑20+学生团队完成端到端模型上线，荣获省级大学生科技创新一等奖，辐射周边5所高校技术社群。
机器学习实习工程师模型优化医疗影像分析工程部署
北京
•- 主导医疗影像分析系统优化，基于PyTorch重构3D CNN模型，通过混合精度训练与通道剪枝技术，使肺部CT病灶识别准确率达92%，推理速度提升40%。
•- 设计多模态数据流水线，整合DICOM影像与电子病历数据，开发自动化标注工具链，单日处理容量达5万份病例，较原流程效率提升3倍。
•- 搭建模型监控体系，实现训练过程实时可视化与异常预警，在3个三甲医院试点中稳定支持日均2000+影像诊断需求。
•- 开发用户行为预测引擎，融合Transformer与图神经网络，针对外卖平台订单转化率预测任务，AUC指标从0.78提升至0.85。
•- 构建动态特征工程平台，实现用户画像实时更新，将特征新鲜度从T+1优化至分钟级，支撑千万级DAU业务场景。
•- 设计AB测试框架，通过分层抽样与贝叶斯推断优化实验效率，使策略迭代周期缩短50%，累计验证12个核心业务假设。
•- 项目背景：针对金融咨询场景多轮对话管理难题，设计端到端对话策略优化方案
•- 技术方案：采用Hierarchical Transformer架构，结合领域知识库实现意图识别准确率91.2%
•- 数据处理：构建10万+金融对话数据集，设计对抗样本增强方法提升模型鲁棒性
•- 工程落地：通过ONNX模型压缩与TensorRT加速，将响应延迟控制在300ms以内
•- 项目成果：部署于3家银行总行，客服人力成本降低35%
•- 项目背景：应对支付场景新型欺诈手段，开发实时交易风险评分模型
•- 技术方案：融合图卷积网络与时序自编码器，捕捉团伙欺诈传播路径
•- 数据工程：设计异构数据融合管道，整合交易流水/设备指纹/社交关系三维度特征
•- 模型调优：采用Focal Loss解决样本不均衡问题，使召回率提升22%
•- 项目成果：上线后拦截可疑交易准确率88.7%，覆盖日均500万笔交易
技术输出与社区运营:
持续更新微信公众号「AI工程笔记」，聚焦模型推理加速与工程化落地，共输出38篇实战系列，其中《从ONNX到TensorRT的完整优化链路》单篇阅读量达15万+。
在B站开设「机器学习实战课」视频栏目，累计播放量280万，学员完成项目作品1200+份，被评为平台「AI领域年度优质UP主」，构建从理论学习到代码复现的完整学习路径。
