• GPA：3.74/4.0（Top 10%）
• 荣誉：入学特别奖学金
• 核心课程：高级机器学习（A）、深度学习（A）、自然语言处理（A）、云计算（A）

• GPA：4.33/5.0  (Top 1)
• 荣誉：校一等优秀学生奖学金、学习标兵、优秀共青团员、优秀毕业生、全国大学生数学建模竞赛省一等奖、美国大学生数学建模竞赛二等奖
• 核心课程：数学分析（99分）、高等代数（98分）、数理统计（96分）、数据挖掘（95分）

- 参与品牌保护项目，该项目主要是对获得XX市标准院认证的食品企业进行信用评价和违法风险预警

• 构建指标体系：从0到1建立食品类企业信用评价指标体系，包括遵纪守法、经营状况、企业关联风险、企业食品风险4个一级指标，25个二级指标，57个三级指标以全面地量化企业信用
• 逻辑回归模型：根据包含20个特征的4万余条食品类违法案件数据，利用jieba分词、正则表达式筛选违法类型，通过pandas库进行数据清洗筛选违法企业，建立基于Logistic回归的违法企业预测模型，采用5折交叉检验进行参数优化，模型最终准确率为88.7%
• 输出数据分析报告：从企业自身、企业类型、关联企业三个角度进行描述性统计分析，输出13份信用风险报告

- 参与预付式企业失信预警项目，该项目主要是对深圳市存在预付款业务的企业（例如健身储值卡、理发储值卡）进行信用评价及失信“跑路”风险预警

• 数据库查询：根据110余万家深圳市企业的投诉举报数据，利用MySQL建立索引、制定取数规则筛选出30余万家存在预付款业务的企业
• 特征工程：通过特征工程确定信用量化因子，结合随机森林、XGBoost建立预付式企业失信概率预测模型，最终模型准确率达92.6%

• 数据看板：利用Tableau制作XX年XX市居民可支配收入、消费价格指数等数据看板
• 关键词词云：挖掘每月关键词，通过Requests库和正则表达式爬取全年发文标题，经过jieba分词处理后，结合词频统计和人工筛选得到XX念每月关键词，为队内关于政务统计工作效果的研究提供数据支持

• 二元正则化: 通过在数据生成过程中引入二值化超参数r，以对变分自编码器（VAE）的潜在空间进行对称解耦，为时间序列规则的学习创造前置条件
• 动态神经网络扩展：通过最速梯度下降迭代寻找原始网络功能邻域内的最佳网络结构，利用泰勒近似和贪婪选择过程找到最优网络结构，提高神经网络架构资源使用效率，避免持续学习中的灾难性遗忘
• 基于超网络的规则学习：通过使用超网络生成主网络（浅网络）的权重，从而在主网络中集成if-then等逻辑规则

• 词向量模型：训练Word2Vec模型，通过对已标记的评论数据集进行jieba分词，对分词结果利用gensim库进行词向量模型训练
• 循环神经网络模型：训练基于LSTM神经网络的情感分类模型，通过keras库利用词向量集训练LSTM神经网络三分类模型，该模型的准确率为81.7%

• 客观权重量化：建立企业信誉量化模型，根据已知的企业指标数据，包括利润、利润增长率、订单数量、信誉等级、违约次数等，利用Topsis熵权法确定各指标在量化信誉模型中的权重

• 多决策目标规划模型：建立基于目标规划的银行信贷风险决策模型，通过企业贷款数额、企业信誉等定义出银行盈利数额最大作为目标函数，设置信贷额度限制、放款限制、信贷利率限制以及贷款利率对客户流失率的影响等约束条件，并利用模拟退火算法进行迭代求解，得到银行最优信贷策略，该策略为银行带来12.7%的收益率

• 最短路径规划模型：建立图论与排队论结合的逃生模型，针对逃生问题的两个关键点最快逃生路径、最短逃生时间分别建立图论模型利用Floyd算法计算最短路径、引入排队论模型利用数学原理计算逃生时间