美国杜兰大学数学硕士，曾就职阿里巴巴高德，任职P7算法专家，精通机器学习、深度学习和迁移学习等；
8年python，5年c++开发经验，精通linux系统，曾领导团队为华尔街客户如富国银行,JP摩根等提供住房抵押债定制分析报告开发工作,官方数据更新后20秒内利用计算机集群完成TB级数据分析并发出报告,为全美最快;
10年matlab使用经验,著有《MATLAB量化金融分析基础与实战》机械工业出版社；
熟悉CPU并行计算和多核多线程原理,具有GPU算法设计及CUDA开发经验,作为核心人员参与"统一量子场论股权定价模型"(美国专利编号6213 5187 7777) 的数学算法设计,并在Linux系统下利用GPU集群进行c++高性能模型实现开发。

1. 用户增长算法：用户短信提醒及LTV模型等的建模，模型实际上线后短信提醒增量单均订单补贴降低一半。LTV模型新用户增长在3倍，老用户增长在5倍。
GBDT(Xgboost和LightGBM)及深度模型在用户增长中的应用；
迁移学习解决局部小样本问题；
2. 司机侧挖掘：
PU Learning解决正样本和无标记数据问题，司机挖掘准确率在97%。