我拥有计算机科学领域扎实的理论基础与丰富的多学科实践经验，从嵌入式硬件开发、物联网系统搭建，到人工智能模型构建、微服务架构设计均有涉猎。独立开发一个用于预测未来大气污染物浓度（如PM2.5、SO₂）的时序预测模型，旨在验证循环神经网络在环境数据分析中的应用效果。深入分析了污染物浓度的时空相关性，构建了包含历史浓度序列、风速、湿度等关键特征的输入向量。使用Python的TensorFlow/Keras框架搭建了LSTM神经网络模型，并通过网格搜索对网络层数、神经元数量和Dropout率等超参数进行调优。参与开发一个面向园区、楼宇、工厂等场景的一体化能源管理平台。该项目旨在解决传统能源管理中的数据孤岛、运营不闭环、缺乏智能控制等问题，构建具备设备接入、实时监测、告警联动、能效分析与策略控制能力的数字化底座。负责部分协议（如MQTT）接入驱动开发，并参与设计统一的设备与测点数据模型，确保来自电表、光伏逆变器、楼宇自控系统（BAS）等异构设备的数据能够被标准化清洗、存储。基于Spring Boot框架，实现了告警规则引擎的部分核心逻辑，支持阈值、突变等多种规则配置，并完成了告警事件与站内通知、邮件通知的联动功能，推动告警从产生到通知的处置闭环。为解决高并发实时数据推送需求，利用WebSocket实现了驾驶舱数据的秒级刷新。同时，协助将流处理框架Apache Flink集成至系统中，为后续的实时能耗分析与复杂事件处理提供扩展能力。通过该项目，我深入理解了从海量物联网数据接入、处理到最终赋能业务决策的企业级系统全链路开发流程，提升了在微服务架构、实时系统设计和复杂业务建模方面的工程能力。本科阶段在桂林电子科技大学攻读智能科学与技术，奠定了我在软硬件结合、数据处理与系统设计方面的综合能力。我不仅具备良好的编程能力（熟练掌握C++/Python）、算法理解和框架应用经验（熟悉TensorFlow/PyTorch），更注重从工程角度思考问题，善于通过自动化脚本优化工作流程。