简介
毕业于上海交通大学计算机科学与技术专业，GPA 3.8/4.0，主修机器学习、深度学习和数据结构。在学术项目与竞赛中积累了扎实的算法基础与Python编程能力，熟练使用PyTorch、Scikit-learn等工具。对推荐系统与自然语言处理方向充满热情，具备快速学习新技术并将其落地为原型项目的潜力。期待在真实业务场景中应用算法知识，为团队创造价值。
教育经历
上海交通大学
GPA 3.8/4.0
2021年9月至2025年6月
计算机科学与技术学士
主修计算机科学与技术，核心课程包括机器学习、深度学习、数据挖掘、算法设计与分析，均取得90分以上成绩。担任学院人工智能社团技术部部长，组织多次算法竞赛培训。获得2023年全国大学生数学建模竞赛省级一等奖，以及校级优秀学生奖学金。
项目经历
基于注意力机制的影评情感分析系统
核心开发者
2024年2月至2024年6月
- 构建了一个基于Transformer架构的情感分析模型，使用PyTorch实现自注意力机制，对IMDB影评数据集进行正负面分类，测试准确率达到89.6%。
- 负责数据预处理与词嵌入层设计，利用预训练的GloVe词向量初始化嵌入矩阵，并实现位置编码来增强序列信息捕捉能力。
- 开发了简单的Web演示界面，使用Flask搭建后端API，将模型封装为可交互的在线服务，便于非技术用户测试效果。
基于协同过滤与内容特征混合的图书推荐算法研究
项目负责人
2023年9月至2024年1月
- 设计并实现了一种融合用户协同过滤与图书内容特征的混合推荐算法，利用Scikit-learn构建SVD矩阵分解模型，在Book-Crossing数据集上RMSE降低至0.87。
- 负责特征构建部分，提取图书的标题、作者、分类等元数据并使用TF-IDF向量化，同时计算用户之间的相似度矩阵，为混合模型提供输入。
- 通过A/B测试对比纯协同过滤与混合模型的效果，混合模型在Top-10推荐命中率上提升15%，并撰写实验报告提交至学校人工智能实验室。
基于卷积神经网络的手写数字识别与优化
算法设计者
2023年3月至2023年7月
- 使用PyTorch搭建一个包含3层卷积层和2层全连接层的CNN模型，在MNIST数据集上实现99.2%的测试准确率。
- 探索并实现了数据增强技术（随机旋转、平移、缩放）以及Dropout正则化策略，有效降低了过拟合，使验证集准确率提升1.8%。
- 利用TensorBoard进行训练过程可视化，监控loss和accuracy曲线变化，动态调整学习率策略，最终收敛速度加快20%。
工作经历
未来智脑科技有限公司
算法实习生
2024年7月至2024年10月
上海
- 协助算法团队开发智能客服意图识别模块，基于BERT模型对用户query进行多分类，在验证集上达到92%的准确率，较基线模型提升4个百分点。
- 参与数据清洗与特征工程流程，使用Python和Pandas处理日均约10万条对话日志，去除噪声并构造TF-IDF特征，为模型训练提供高质量数据支持。
- 搭建自动化评估脚本，利用Scikit-learn计算precision、recall、F1-score等指标，将模型调优迭代周期缩短30%。
- 撰写技术文档与实验报告，记录模型实验过程及结果分析，促进团队内部知识共享。
技能
编程语言
熟练
Python, C++, Java, SQL, R
机器学习框架
熟悉
PyTorch, TensorFlow, Scikit-learn, Keras, XGBoost
数据处理与分析
熟悉
Pandas, NumPy, Matplotlib, Seaborn, Spark
算法基础
掌握
线性回归, 逻辑回归, 决策树, SVM, K-means, CNN, RNN, Transformer