关于我

教育背景 #

• 上海科技大学, 上海
  专业与学位： 信息学院计算机科学与技术硕士
  GPA： 3.4 / 4.0
  时间： 2021 年 9 月 - 至今（预期2025年6月毕业）
  导师： 王浩
  研究方向： 机器学习和运筹优化，具体为非凸非光滑优化方向。

• 曼彻斯特大学 (University of Manchester), 英国曼彻斯特
  时间： 2019 年 9 月 - 2020 年 6 月
  公费留学 数学学院 (School of Mathematics)

• 安徽大学, 安徽合肥
  专业与学位： 数学与应用数学学士
  GPA： 3.7 / 5.0 (专业前 10%)
  时间： 2017 年 9 月 - 2021 年 6 月
  获奖：

  • 文典二等奖学金 (2018 年, 校级)
  • 文典一等奖学金 (2019 年, 校级)
  • 文典一等奖学金 (2020 年, 校级)

自我评价 #

拥有丰富的项目经验，曾参与并合作多个深度学习与算法设计项目，并发表了相关论文。对深度学习与机器学习充满热情，主动参与Kaggle竞赛并完成了多个实际应用项目。具备扎实的数学和编程基础，擅长快速学习新技术，并具有出色的自学能力和团队协作能力。职业目标是深入研究深度学习算法，并将其与实际业务需求相结合，致力于在这一领域实现技术突破并创造实际价值。

实习经验 #

• 鹏城国家实验室 ，广东深圳，2024年6月 - 2024年8月
  岗位： 访问学生
  导师： 王晓
  单位： 智能计算体系结构研究所

  • 参与 Overparameterized 过参数化问题研究，内容包括正则化过参数化神经网络等。
  • 在研究过程中，成功实现了新的过参数化正则化方法，将问题从难以求解和分析的角度应用于实际需求网络。

• Hotmax 好特卖 (上海芯果科技有限公司) ，上海，2024 年 9 月 - 至今
  部门： 商品流通管理部
  岗位： 数据优化实习生

  • 参与好特卖区域仓库优化项目，负责针对151家门店的补货需求设计并实现优化模型，通过构建线性规划目标函数和约束条件（如SKU覆盖率、运输箱数及库存周转等），利用Python中Gurobi和SCIP库进行求解和验证。
  • 优化方案成功提升7天预期预期利润17%，配货满足率提高15%-50%，并上线实际运营，显著改善区域仓库运行效率与经济效益。

项目经历 #

• Kaggle： Learning Agency Lab - Automated Essay Scoring 2.0，2024年

  • 使用5-fold的DeBERTa模型对学生的作文进行评分。使用Pytorch、Scikit-learn、Transformers等库，对数据进行预处理，提取词频-逆文档频率等特征，训练、用Optuna和NNI微调并结合LightGBM和XGBoost融合模型，对模型进行调参。
  • 最终获得了排名前20%的结果。

• 分式正则化在稀疏信号恢复中的进展：连接 \(\ell_{1} - \alpha \ell_{p}\) 和 \(\ell_{1} / \ell^{q}_{p}\) 正则化，2022年

  • 研究稀疏信号恢复中的新型正则化方法\(\ell_1/\ell_{p}^q\) ，并验证其与\(\ell_1 - \alpha \ell_p\)模型的等价性。通过构建基于受限等距性质（RIP）的优化框架，设计并实现了差分凸（DC）算法，分析了其在 KL 属性下的收敛性。
  • 负责全程的代码开发和测试，实验涵盖 MRI 重建、高动态信号恢复和随机高斯矩阵恢复，结果表明新模型在恢复精度和稳定性上优于传统方法，具有更高的灵活性和适应性。

• 用于大规模反问题的循环广义混合投影方法之初探，2021年

  • 结合Generalized HyBR和HyBR Recycling算法开发新算法，优化参数以解决大规模的欠定反问题，减少70%的计算资源需求。
  • 主导代码开发、性能测试，应用于数字图像处理，与LSQR等传统算法比较，使用少于50%的信息达到同等或更好的动态图像恢复效果。
    Github repo

• 基于深度学习的混合全局优化设计的超低损耗SOI波导交叉，2023年

  • 通过物理信息生成对抗网络技术（PIGAN）结合二维直接二进制搜索（DBS），设计出超低损耗的SOI波导交叉结构，利用全局优化方法，提高了波导交叉的性能。使用PIGAN设计出的波导交叉结构在1550纳米中心波长的插入损耗低至0.017 dB，串扰低至-28 dB。
  • 负责论文审阅、算法设计和代码调试，并合作发表了论文。

论文 #

• Chuanqi Ma, Hao Wang, et al. “Advances in Fractional Regularization for Sparse Signal Recovery: Bridging $\ell_1-\alpha\ell_p$ and $\ell_1/\ell_q^p$ Regularizations” (2024, Manuscript)
• Lu Wang, Chuanqi Ma, Yanqing Wu, et al. “Ultra-low loss SOI waveguide crossings designed by a hybrid global optimization based on deep learning.” Optics Communications 556 (2024): 130189.

附加内容 #

• 熟悉编程语言: Python == Matlab > Java == C，具有使用Pytorch，Scikit-learn等深度学习和机器学习库、以及使用Numpy，Pandas等进行数据分析的相关经验，有CVX，SCIP，Gurobi等算法求解器的使用经验。
• 熟悉Linux与类Linux的平台，有远程开发与调试的能力，熟悉Git、Vim与VSCode等工具的使用。
• 语言：英语 - 熟练，六级（589分）， 托福 （总分95）。
• 曾在2023年任上海科技大学机器学习课程助教，具有坚实的机器学习和深度学习基础。
• 曾在2018年至2022年任安徽大学文典学院数学与应用数学专业学生会担任生活部部长、副主席，具有较强的组织能力和团队协作能力。
• 曾访问中国工业与应用数学学会（CSIAM2023）等学术会议，关注学界与业界的发展。