具有强大的工程技术能力，广泛的知识面，沟通能力，并乐于并善于面对和解决复杂的问 题，养成了良好的代码规范。 
    有丰富和广泛的技术积累，经常会自主写一些开源项目，重视积累，详⻅github。 业余ACM爱好者，培养了较好的抽象思维能力，对算法以及数据结构有着深入的理解，详⻅leetcode信息。
    热爱思考与探究事物的本质，自信且敢于挑战，不惧怕挑战，抗压能力强，成长性高。
    编码风格清晰，追求程序的健壮性，追求程序的运行效率
    热爱痴迷计算机技术与算法，在开发中体会到极大的乐趣；
英语： 读写能力熟练 听说能力熟练
TCP/IP协议，OSI模型，TCPIP模型，HTTP协议：良好
Unix环境下C语言编程：熟练
各种常见的设计模式：熟练
熟练使用 sklearn ， numpy ， pandas ， matplotlib进行数据分析 ，：熟练
熟悉 RandomForest ， Adaboost ， Xgboost等集成算法：熟练
熟悉 SVM ， 决策树 ， ⻉叶斯 ， 逻辑回归 ， K近邻等分类算法。：熟练
熟悉 K-Means ， DBSCAN等聚类算法：熟练
熟悉 机器学习学习器的多种评估方法，数据预处理方法。：熟练
了解 TensorFlow的框架的使用。：熟练
编程语言：Java python go c c++：熟练
多线程，网络TCP，HTTP协议，网络编程（Socket、http/web service）等；：熟练
SQLite，Json及Xml数据结构及数据解析；：熟练
拳击，历史

【绝地求生玩家排名】
目标 :预测比赛中绝地求生玩家的排名
Kaggle 排行: top 11% 数据量较为巨大，且类型众多并且有大量的异常值，用常规手段做预测得到的结果很差，首先对数据进行了缩 减，使数据占内存空间减小，加快了模型训练速度。通过大量的可视化分析对多个特征做了异常值清洗和标记 (作弊者)，发掘出隐藏含在数据内部的重要特征(比赛人数)，对所有数据进行单独手动的归一化。最终， 将数据通过比赛类型进行分类(单人，双人，四人)，分别尝试了多层神经网络， XGBoost,GBDT,lightGBM,RandomForest等多种模型，最终选择lightGBM

【共享单⻋需求:预测城市单⻋共享系统的使用】
目标 :以时间跨度为一年的index预测一个城市的共享单⻋需求
Kaggle 排行: top 4% 数据跟时间序列有关，对数据以不同的时间单位为基准进行了详尽的分析，因为存在大量左偏和右偏的数据， 对数据进行了正态化(对数化)，以及对不同的时间(工作日/非工作日，不同的季节等)，注册用戶和非注册用 戶进行分别预测，最后将预测的结果组合，将GBDT与RandomForest模型融合，提升了单模型无法到达的准 确度。

【泰坦尼克之灾】
目标 :预测泰坦尼克号上旅客的生死
Kaggle 排行: top 3% 泰坦尼克之灾的训练集数据量较小(<1000)，且部分特征中拥有大量缺失值，通过对数据进行大量的可视化分 析和研究，对数据进行细致的清洗和聚合，将缺失数据充分利用，合理的将数据提升到高维，并且将多个特征 组合成新的特征，最终用随机森林与XGBoost模型融合在一起，以及对xgboost进行细致的调参解决过拟合问 题，逐步的将准确率从 60% 提升到 3%。

2018.10 - 2019.02 北京 锤子科技 （5个月）
机器学习算法工程师 | 15000-25000元/月
互联网
【障碍避免，路径识别机器人】
负责帮硬件负责人解决在RaspBerry Pi上搭建机器学习平台。
在 RaspBerryPi上 编译 opencv，创建python虚拟环境。 简单编写了RPI.GPIO驱动程序来驱动超声波传感器，利用Picamera模块连接摄像头收集视觉数据。 利用PIL与Opencv进行简单的人脸识别。
学习了python和机器学习的基础理论 。

2016.05 - 2018.10 北京 锤子科技 （2年6个月）
高级移动研发工程师 | 15000-25000元/月
互联网
锤科3年陆续在 : 锤子桌面 ， Source VR(锤科的VR项目，后与锤科分离) ， 畅呼吸 ， 子弹短信 担任开 发。
职责 :Android开发
经历:
在锤科内部首个进行项目迁移，将用Ant编译的锤子桌面迁移到Gradle编译框架下 ， 并且在公司内部做 了Hotfix技术的分享。
独立实现了锤子桌面的搜索功能 ， 相比原生系统中的的搜索功能 ， 搜索效率提高了10倍以上。 在SorceVR独自负责Skybox播放器的Android开发接近一年 ， 接触了Android开发所能应用到的大多数 技术
负责畅呼吸应用的开发 ， 解决插件化框架等疑难问题，编写编译脚本。 在子弹短信负责性能调优 ， 模块重构 。

2015.02 - 2016.01 大连梯耐德网络技术有限公司 （1年）
C++开发工程师
计算机软件 | 企业性质：民营
担任项目的制作，设计总体界面，后台编码，数据库的设计。

项目名称2019.05 - 至今 Kaggle项目 : TitanicDisaster
软件环境Android 4.4 KITKAT
硬件环境Nexus 5x
开发工具Android Studio
责任描述担任整个项目的框架的搭建，实现细节的设计、研发、管理、实现。
实践的过程中，用python + Numpy的方式动手一步步实现的机器学习算法
    线性回归(LR)， 梯度下降(GradientDescent)， 逻辑回归(LogisticRegression)， 决策树(DecisionTree)， 主成成分分析(PCA)， 支持向量机分类器(SVM)， 朴素⻉叶斯(多项式,高斯)， 以及多种集成算法 : Adaboost ， Bagging ， RandomForest ， Stacking。

在动手实现这些算法的过程中，对算法有了较为深刻的理解。
项目描述通过特征工程，校正异常值，完整缺失信息，创建综合新的特征等。
使用描述性和图形化统计数据，探索数据，描述和总结了变量，分析特征间的相关性。 通过不断的处理特征，优化学习参数最终将排名从60%提升到了28%以上。 通过此项目对机器学习项目流程以及侧重点有了深入的了解。
项目名称2019.04 - 2019.05 共享单⻋需求:预测城市单⻋共享系统的使用
责任描述独自负责整个项目，设计、研发、管理、实现。
实践的过程中，用python + Numpy的方式动手一步步实现的机器学习算法
    线性回归(LR)， 梯度下降(GradientDescent)， 逻辑回归(LogisticRegression)， 决策树(DecisionTree)， 主成成分分析(PCA)， 支持向量机分类器(SVM)， 朴素⻉叶斯(多项式,高斯)， 以及多种集成算法 : Adaboost ， Bagging ， RandomForest ， Stacking。

在动手实现这些算法的过程中，对算法有了较为深刻的理解。
项目描述目标 :以时间跨度为一年的index预测一个城市的共享单⻋需求
Kaggle 排行: top 4% 数据跟时间序列有关，对数据以不同的时间单位为基准进行了详尽的分析，因为存在大量左偏和右偏的数据， 对数据进行了正态化(对数化)，以及对不同的时间(工作日/非工作日，不同的季节等)，注册用戶和非注册用 戶进行分别预测，最后将预测的结果组合，将GBDT与RandomForest模型融合，提升了单模型无法到达的准 确度。
项目名称2019.02 - 2019.03 绝地求生玩家排名
责任描述独自负责整个项目，设计、研发、管理、实现。
实践的过程中，用python + Numpy的方式动手一步步实现的机器学习算法
    线性回归(LR)， 梯度下降(GradientDescent)， 逻辑回归(LogisticRegression)， 决策树(DecisionTree)， 主成成分分析(PCA)， 支持向量机分类器(SVM)， 朴素⻉叶斯(多项式,高斯)， 以及多种集成算法 : Adaboost ， Bagging ， RandomForest ， Stacking。

在动手实现这些算法的过程中，对算法有了较为深刻的理解。
项目描述目标 :预测比赛中绝地求生玩家的排名
Kaggle 排行: top 11% 数据量较为巨大，且类型众多并且有大量的异常值，用常规手段做预测得到的结果很差，首先对数据进行了缩 减，使数据占内存空间减小，加快了模型训练速度。通过大量的可视化分析对多个特征做了异常值清洗和标记 (作弊者)，发掘出隐藏含在数据内部的重要特征(比赛人数)，对所有数据进行单独手动的归一化。最终， 将数据通过比赛类型进行分类(单人，双人，四人)，分别尝试了多层神经网络， XGBoost,GBDT,lightGBM,RandomForest等多种模型，最终选择lightGBM

2010.09 - 2014.07 黑龙江大学 计算机科学与技术 本科

2014.06 大学英语四级