NAME
联系方式
REGION
教育经历
| 时间 |
学校 |
学历 |
专业 |
| TIME |
UNIVERSITY |
DEGREE |
MAJOR |
| TIME |
UNIVERSITY |
DEGREE |
MAJOR |
技能
- 数学 / 算法
- 深度学习： 系统性掌握 强化学习，了解检测跟踪、NLP、推荐系统；熟练使用 PyTorch，熟悉深度学习优化算法原理
- 机器学习： 掌握或了解监督（树模型、Logistic 回归）、无监督（聚类、关联分析）、半监督、概率图模型、对比学习；熟练使用数据分析工具（pandas, numpy, matplotlib）
- 数据结构与算法，复杂性理论，A-star 等
- 专业技能
- 运筹优化： MILP (ortools)，启发式优化 (GA/SA/CEM)，凸优化 (cvxpy)
- 控制论：线性系统，系统辨识，最优控制
- 工程技能
- 编程语言： 精通Python，熟悉C/C++、bash、MATLAB、Makefile
- Linux：从2016年至今使用ArchLinux/Ubuntu作为主力系统，管理过7台深度学习服务器，拥有一台VPS
- 软件工程(git, CI, Dockerfile, 代码规范性)，计算机网络(http, OSI), 数据中间件(Kafka)
工作经历
COMPANY POSITION TIME
基于深度强化学习的交通控制算法研究与落地
基于最优控制（运筹优化）的车路协同-协作式车速引导
- S: 协作式车速引导是自动驾驶 L2 到 L4 车路协同中的一项重要应用。
- A: 1. 实现多种车辆能耗模型作为优化目标函数和评价指标；2. 复现 SOTA 车速优化算法，进行纵向车辆轨迹规划；3. 设计基于最优控制的控制策略，使用序列二次规划(SQP)和启发式算法求解，综合考虑多方博弈从而达到整体最优。
- R: 单车能耗降低 12%；渗透率 10% 时，自动驾驶车能耗降低 9%。
基于机器学习与运筹优化的大规模智慧交通控制系统
- S: 在大数据时代，多交通信号灯的智能控制可以大幅提升交通运行效率，减少拥堵。
- A: 1. 使用聚类算法(K-Means, DBSCAN)对交通流数据自动聚类并打标，作为数据集训练有监督模型(KNN)；2. 使用有序聚类(谱聚类，Fisher)对交通数据自动时段划分；3. 使用混合整数规划(MILP)、启发式算法对大规模交通控制问题分层次建模求解；4. 设计并实现整体算法工程化架构。
- R: 集成到 PRIVATE 产品线中，在PRIVATE实地评测中达到显著优于人类专家手动调整的结果。
- 发表专利PRIVATE。
学校项目
基于强化学习的智能参数优化算法研究TIME
- S: 材料学的反应力场求解是一个很困难的参数优化问题，传统方法常用遗传算法求解，耗时很长。
- A: 提出相似材料具有相似优化目标函数假说，设计并实现 RL 环境，包括多种特征与优化模式，实现并改进多种RL算法(DQN,A3C,DDPG)和多种传统最优化算法(共轭梯度法，模拟退火等)，设计实验并证明了 RL 做参数优化的有效性。
- R: 1. 在相似材料的优化性能上取得了与专业反应力场优化软件GarfField相当的水平，大幅超越共轭梯度法、模拟退火算法；2. 取得软件著作权。
实习经历
基于机器学习的自动核保系统COMPANY TIME
- S: PRIVATE 金融大数据项目中与百度、IBM 等公司竞标，使用人工核保数据构建可靠的自动核保系统，替代人工工作量。
- A: 深入理解客户需求，设计特征、评测指标、模型结构，使用Logistic Regression, Random Forest、LightGBM等模型训练、微调；bad case 分析并改进特征；用 C++ 将模型封装为 sdk。
- R: 1. 完成 PoC，赢得竞标；2. 完成项目一期，在 53 万条数据集上以 95% 精度减少 15% 人工工作量。
- PRIVATE
业余项目
量化交易回测 demoTIME
- S: 存在验证自用基金交易策略在实际市场中的有效性的需求。
- A: 使用 yfinance 获取NASDAQ、贵州茅台上市以来日交易数据，使用 python 编写简易交易成本计算逻辑、自用交易策略（累计上涨5%则买入，下跌5%则卖出），控仓策略（触发买入或卖出后每日交易K%仓位），并与原始股价对比。
- R: 本策略与买入后持续持仓相比，收益率略低，但显著降低了方差，验证了该方法在实践中的可行性。
爬虫网站项目：ShadowSocksShareTIME
- S: 项目创建时互联网上还没有免费的 ss 订阅服务，需要手动从免费分享站中查找 ss 信息并填写到软件中，复杂度较高。
- A: 自学爬虫、HTML、Javascript 等，使用正则表达式等方法筛选并解析在线网站内容，并编写网站前后端，部署到 Heroku、OpenShift、GAE 等平台。
- R: 本项目获得 350 次共计 ¥1871.91 捐款，并在 GitHub 开源获得 3.1k Star 与 1.1k Fork。
- 项目链接：ss.pythonic.life
自我评价
- 身体强壮，有锻炼习惯，有条件时常组织远足和骑行。
- 合作能力： 1. 与实习生合作完成RL利用专家经验和泛化性研究；2. 信号控制项目与产品侧沟通产品设计，与工程侧联调，确保整个项目流程走通；3. 车路协同项目协调上下游关系，打通端到端整体链路。
- 学习能力： 自学网站建设、材料学、交通工程理论、自动驾驶等，快速上手并逐渐深入掌握多种领域
- 善于总结，在线笔记: notes.pythonic.life。
- Geek 精神，使用编程改善生活：CharlesScripts, 本项目获得 981 Star 与 731 Fork; 包括本简历也是使用这个工具生成。
- 个人博客: the0demiurge.blogspot.com
- Google Scholar: PRIVATE