布朗大学计算机科学硕士，扎实的编程基础和全栈开发能力。熟练使用Python/Java/Go，做过企业管理系统后端开发（人员/项目管理模块）、广告平台集成（对接Facebook API）、数字资产系统性能调优。课程项目经验包括：用PyTorch实现三维物体重建（NeRF算法）、构建轻量级语言模型（类似BabyBERTa）、手写TCP/IP协议栈实现可靠文件传输。能快速上手解决实际问题，代码清晰规范。接后端开发、数据处理、机器学习相关的项目，可看课程项目代码验证能力。

课程作业实践：

在计算机视觉课程中，复刻了基于论文“”的三维重构算法。通过将来自三维物体的照片作为训练数据，我们可以用前馈神经网络预测该三维物体的“辐射场”。基于此，我们可以通过解析场景渲染出该三维物体从各个不同角度拍摄的新照片。我们实现了与原论文相近的最佳峰值信噪比，并能渲染出重构物体的高质量mp4视频。

在深度学习课程中，复刻了基于论文“”的语言模型。我们首先使用BBPE Tokenizer预处理了训练所需的文本数据，之后构建了一个具有多头自注意力的Transformer模型，并在训练中要求该模型预测句子中被掩住的单词。我们使用多种语言现象的测试样例对模型进行了测试，并发现该模型的准确率可以与Roberta-base等大型语言模型相媲美。

在计算机网络课程中，开发了基于路由信息协议（RIP）的IP协议，实现了在虚拟环境中不同局域网内主机和路由器的相互定位和通信。在此基础上，进一步开发了标准的TCP协议，实现了不同主机之间的稳定数据传输，能够可靠地传输多达数兆字节大小的文件。