刘楚瑜

北京海淀 | 24岁| 硕⼠在读

☎：(+1) 5189618810 ✉：cliu212@jh.edu 微信：shuizhuyu13520617031

▎教育背景
- 约翰霍普⾦斯 数据⼯程专业 硕⼠ 2023.09-2024.12
- 伦斯勒理⼯ 计算机科学专业 学⼠
2019.09-2023.07
▎实习经历
- 研究实习⽣（中国科学院计算技术研究所） 2023.5 - ⾄今
● 多源数据融合与3D映射：实现LiDAR、雷达和多相机数据的特征融合，通过双线性插值进⾏精确的3D映射
和权重调整。
● 深度特征转换⽹络设计：构建基于ResNet-18架构（包括BN1及Layer1-3）的特征压缩与解码⽹络，应⽤
UpsamplingAdd上采样及双线性插值技术，优化特征图的空间分辨率。
● ⾼级损失函数与优化策略：整合BCEWithLogitsLoss与多元不确定性损失（Center, O set, CE Uncertainty），
通过IOU指标评估顶视图分割准确率，达到97%。

- 数据分析实习（Bashpole So ware Inc.） 2022.03 – 2022.06

● ⼴告数据分析与评分：领导⼩团队从Google Ads提取关键性能指标（展示次数、点击数、CTR、转化率及
CPC），为超过2000条⼴告数据计算评分。
● 模型训练与微调：基于预训练的BERT模型进⾏微调，针对⼴告效果评分任务，通过精确调整模型以达到
99%的准确率。

- 研究助理（约翰霍普⾦斯怀庭研究院） 2022.03 – 2022.06

● 模型部署与优化：部署和调优两个⾼级语⾔模型，Llama3b-8B⽤于执⾏端到端的代码⽣成任务，⽽
Llama3b-70B负责按步骤⽣成解题思路（ra onales）。通过微调和迁移学习增强模型在特定编程问题上的
适应性和准确性。
● 动态选择机制：设计并实现了基于困惑度（perplexity）分析的动态选择算法，该算法评估并筛选能够最⼤
程度降低解答⽣成困惑度的解题思路，优化决策过程并提升模型的决策质量。
● 迭代训练与性能评估：采⽤⾃监督学习对理性⽣成模型进⾏迭代训练，通过持续优化⽣成的理性质量，实
现了显著的性能提升。使⽤实际代码完成准确率进⾏⽐对，准确率提升2%。

▎项⽬经历
- 数据分析项⽬ ：酒店预订与取消概率分析 2023.01-2023.03
● 数据预处理与探索性数据分析（EDA）：负责数据清洗，包括处理缺失值和异常值；执⾏描述性统计分
析，利⽤直⽅图和箱形图分析数据分布，识别集中趋势、离散程度和异常值。
● 统计分析与机器学习建模：进⾏了数据清洗和处理，使⽤决策树，随机森林，逻辑回归对酒店退订概率进
⾏预测，使⽤混淆矩阵分析性能。最终准确率可达86%

- 论⽂：使⽤模拟数据完成⼈⻋交互机器学习 2020.05 – 2020.12

● 深度学习开发：负责构建和预训练基于7000个模拟实例的深度神经⽹络，后通过DIVA数据集的真实视频进
⾏迁移学习和微调，优化模型泛化。最终模型的性能提升了2%。
● 论⽂"Learning Human Vehicle Interac ons using Simulated Data" 已被ICAIIC2021于2021/04/16收录，发表于
IEEE explore

▎IT技能
- 熟练使⽤Python进⾏编程，擅⻓3D映射、特征融合、以及使⽤ResNet、BERT、和Llama模型。
- 熟练使⽤决策树、随机森林和逻辑回归等机器学习算法的应⽤和优化。
ft
ti
ti
ff