波士顿大学
应用数据分析硕士 · 波士顿（美国）
相关课程：机器学习与预测分析、强化学习、高级数据库管理（SQL Server）、数据仓库与商业智能、数据可视化（Tableau）、Python / R 数据分析、数据挖掘、人工智能、算法。
宁波诺丁汉大学
经济学学士 · 国际经济与贸易 · 宁波 / 诺丁汉（英国）
相关课程：宏观经济学、微观经济学、计量经济学、数理逻辑与统计、国际经济学。
07核心项目
04实习经历
02跨学科学位
01 / EDUCATION
教育背景
02 / EXPERIENCE
实习经历
长江证券宁夏分公司
对公业务助理 · 银川
- 参与控鲜科技与长城资管相关不良资产投资项目的融资和收益测算；参与医院设备更新、物流园区专项债申报，整理并核对投资、融资与偿债测算表。
- 参与晓鸣股份相关蛋清、蛋液产业并购项目，结合收益法与市场法研究目标公司 300 余页业务、财务及现金流资料，为估值和业务分析提供支持。
- 整理陕甘宁蒙硅铁行业与企业资料，为研究所提供数据汇总及简报；另梳理甘宁青新能源、算力、新材料等产业及机构业务机会。
上海宾臣进出口有限公司
数据分析与业务运营助理 · 上海
- 参与企业网站与云数据库搭建，使用 SQL 取数分析、Tableau 展示结果，并通过 Markdown 整理业务文档。
- 分析汽车配件客户需求与竞品信息，结合采购、库存、物流及清关环节整理运营信息，支持选品与客户跟进。
- 参与海外渠道拓展，将客户来源由展会延伸至海外社交媒体；网站单日独立 IP 达 1,000+。
中泰证券宁夏分公司
投顾助理 · 银川
- 参与 30 余只债券型及混合型基金的销售支持，提出 3 只基金的重点推广建议，其中 2 只被采用。
- 策划 2 位基金经理参与的电话会议与直播，使用 Excel 和 R 分析投资者人群分布与反馈，归纳 6 类核心关注问题，为活动内容与产品沟通提供依据。
- 参与期间，地区新发基金销售额环比增长 32%；该指标为团队业务表现。
兴业证券宁夏分公司
数据分析助理 · 银川
- 参与硅铁行业研究，使用 Wind 整理行业与公司数据；参与 3 篇研报整理，建立研究分析所需的资料基础。
- 围绕研报评级、机构持股比例、资产规模与累计超额收益率的关系开展研究，独立撰写 26 页分析报告，并在周例会上汇报。
03 / SELECTED PROJECTS
从方法到结果
从业务分析到模型实验与工作流，查看方法、结果和迭代过程。
7 / 7
01 / COMPUTER VISION
Notebook 原始训练曲线
疲劳驾驶检测系统
将视频输入拆解为人脸检测、20 点关键点回归、EAR / MAR 状态分析与 LSTM 时序分类，构建可解释的四阶段计算机视觉原型。
591时序样本
82.35%最终验证准确率
0.779F1 · 阈值 0.5
工程方法与评估边界
构建 5×11 特征窗口，输入长度为 5 的 LSTM 序列；采用合成数据预训练和真实视频微调。通过 NMS、检测框尺寸过滤、损失权重调整，以及 BGR→RGB 和归一化修正改善级联流程。
472 个训练样本 / 119 个验证样本，真实数据微调 30 轮。验证集来自随机划分的时序窗口，尚不代表跨驾驶员或独立视频泛化能力。
MODEL EXPLORER
决策阈值与漏检的取舍
验证集混淆矩阵 · 行为真实类别，列为预测类别
| 实际 / 预测 | 清醒 | 疲劳 |
|---|---|---|
| 清醒 | 61 | 8 |
| 疲劳 | 13 | 37 |
阈值 0.3 将疲劳召回率从 74% 提升至 90%，同时增加误报。
来源：项目报告 §5；Notebook cells 17–19。展示已保存结果。
02 / RISK MODELING
波士顿枪击风险建模
分析 2023.01—2025.04 的 178,016 条波士顿警方公开事件记录，围绕仅占 0.70% 的枪击事件构建极不平衡二分类模型。
178,016事件记录
85%测试集召回率
0.816ROC-AUC
特征工程与结果解读
结合小时、星期、月份等日历特征，0.003° 经纬度网格，以及同一网格前 14 天枪击次数；使用类别权重、SMOTE 和 XGBoost 正类权重处理不平衡，并以 PR-AUC 比较模型。
测试集识别 240 起枪击事件中的 204 起，精确率 1.7%、F1 0.033。高召回仍伴随大量误报；此项目为离线课程分析，未作为实时警务系统部署。
MODEL COMPARISON
稀有事件，更关注 PR-AUC
0PR-AUC0.040
204 / 240测试集枪击事件被识别
Precision 1.7% · 极不平衡任务
来源：project-final.pptx，第 4、7、8 页。三个模型使用各自的类别不平衡处理方案。
03 / NLP & NETWORKS
原始结果：二维 SVD 投影与 K-Means 聚类
Wikipedia 知识图谱与主题分析
从人工智能词条链接中抽取 50 篇 Wikipedia 页面，结合文本语义和页面链接，分析主题结构与知识网络中的重要节点。
50 / 78页面 / 有向链接
5,000TF-IDF 特征
3最佳主题数量
方法、图谱与聚类结果
使用 unigram / bigram TF-IDF、L2 归一化和余弦距离，比较 K-Means（k=5）与平均连接层次聚类。通过 LDA 的 c_v 一致性选择主题数，用 PageRank（α=0.85）识别中心页面，并构建 49 条边的最小生成树。
三类主题大致覆盖 AI 技术应用、社会政治讨论及哲学历史视角。样本较小，Notebook 存在 LDA 收敛提示，主题结果适合作为探索性分析。
TOPIC EXPLORER
主题数量如何影响一致性
0.3826c_v coherence
0.38263
0.35114
0.34015
0.31976
0.30097
0.29728
k = 3 在已测试的 3—8 个主题中获得最高一致性。
来源：optimal_pro.ipynb，cells 0–10；Guanhua.docx。
04 / NETFLIX · DESIGN STUDY
Netflix 内容数据仓库设计
作为内容分析设计练习，以 Netflix 影视内容目录为主题，围绕电影与剧集、类型、国家或地区及年份组织分析维度，将 SQL Server 数据仓库建模、ETL 与 Tableau 看板串联为完整的商业智能设计。
建模设计与分析视角
建模设计：以影视条目为核心，关联内容类型、题材、地区和时间维度；对多题材、多地区的关联采用桥接结构，避免直接展开后重复计数。
数据流程：通过 ETL 统一日期与字段格式、处理缺失值和重复条目；将 SCD Type 2 用于需要保留变更历史的维度属性。
分析视角：比较电影与剧集的内容结构、不同题材和地区的目录分布，以及发行年份与入库年份的变化。看板围绕内容供给构成展开，不将目录条目数量解释为观看量或收入。
NETFLIX / CONTENT ANALYTICS
从内容目录到分析看板
01内容目录
02清洗与转换 · ETL
03内容、题材、地区与时间维度
04Tableau 内容分析看板
内容结构 · 地区分布 · 年份趋势
05 / DATA WAREHOUSE
多源金融数据仓库与 BI
整合美股指数、比特币行情与宏观指标，把多源数据清洗、维度建模、SQL 装载与 Tableau 探索分析串联起来。
3数据来源
4 + 6事实表与维度表
数据工程与分析口径
使用 pandas 处理日期、日月频率和字段类型，将暂存层数据通过 SQL 装载至事实表。数据模型覆盖股票指标、加密资产行情、宏观影响和月度市场表现。
以 Tableau 比较 RSI 区间下的次日收益及宏观冲击后的波动。分组比较属于描述性探索，不能推断因果影响；月度宏观数据应按实际发布日期对齐，避免未来信息泄漏。
SOURCE → MODEL → INSIGHT
三类数据，一套分析模型
Yahoo FinanceCoinGeckoFRED
清洗与日期对齐pandas → SQL
事实表4
维度表6
跨市场探索分析Tableau
来源：689_report.pptx，数据架构、SQL 及可视化展示。
06 / AI AGENTS
MIA 与自动化工作流
以 Telegram 为统一入口，连接语音转写、聊天模型、对话记忆与工具调用；另将职位筛选、文章制作和邮件提醒组织为独立工作流。
01 MIA 个人助手
接收文本或语音消息，按消息类型分流；语音转写后进入 Tools Agent，连接日历、Gmail、新闻、摘要和行程规划工具，再通过 Telegram 返回结果。
02 职位筛选与求职信
使用 RSS 获取 LinkedIn 相关职位信息，根据经历和技能对机会进行评估、排序，达到设定条件时生成求职信草稿，供后续检查和修改。
03 文章初稿与 SEO 修订
Perplexity 搜集资料，Claude 撰写初稿，ChatGPT 提供 SEO 修改建议；结合初稿与建议形成修订版本。
04 学校邮件与待办提醒
识别学校邮件并判断是否需要采取进一步行动，对需要跟进的事项通过 Telegram 发出提醒。
WORKFLOW MAP
从一条消息到工具协作
- 输入：文本 / 语音
- 处理：消息分流与转写
- 协作：模型、记忆与工具
- 输出：结果与行动提醒
工作流图展示已配置的节点与连接，不代表各任务的成功率或节省工时。
07 / REWARD & PATH FINDING
贪吃蛇的奖励与路径迭代
从原地绕行、随机探索到自碰撞与保守路线：通过行为观察反推奖励设计和路径规划的问题。
- 食物奖励 + 触壁惩罚
只在原地绕行，规避惩罚却没有有效觅食。
- 加入探索奖励
开始在有限空间内移动，但路径仍较随机。
- 引入最短路径
蛇身增长后仍会撞到自身，距离最短不等于路径安全。
- 优化避碰路线
沿预设路线规避自身，代价是觅食路程更长。
LIVE STRATEGY DEMO
观察策略如何改变行为
蛇长3
步数0
食物0
这是用于解释行为差异的规则演示，不是原项目训练回放或性能对比。各策略从相同长度开始；暂停全站动效后仍可单步观察。
补充实践 · 字符串匹配算法
比较朴素匹配、Rabin–Karp、KMP、有限自动机与 Boyer–Moore 五类算法的匹配机制和理论复杂度，完成合作课程展示。
04 / CAPABILITIES
技能与语言
数据工程与 BI
SQL · ETL · Dimensional Modeling · SQL Server · pandas · Tableau
机器学习与视觉
NumPy · scikit-learn · TensorFlow / Keras · OpenCV · MobileNetV2 · LSTM
文本分析与智能体
TF-IDF · SVD · K-Means · LDA · NetworkX · Tools Agent · RSS
业务研究与表达
Excel · R · Stata · Wind · Markdown
语言能力
英语：GRE 328 · IELTS 6.5
粤语：母语
CONTACT
期待与你交流
关于数据、金融与下一次合作。