熟练掌握 Python、PyTorch 等深度学习开发工具，具备扎实的机器学习、深度学习和计算机视觉算法研发能力。擅长 CNN、Transformer、U-Net、注意力机制、扩散模型等网络架构的设计、改进与优化，重点研究图像分类、目标检测、语义分割、医学图像分析、目标跟踪及图像生成。熟悉数据预处理、特征工程、模型训练、超参数优化、消融实验及性能评估。具备多模型对比实验、复杂算法复现、轻量化网络设计及科研创新能力。同时熟悉 XGBoost、LightGBM、随机森林、SVM、LSTM 等机器学习与时序预测算法，能够根据实际业务需求完成算法选型、模型开发、性能优化和实验验证。

具有丰富的深度学习与计算机视觉项目研发经验，独立参与多项算法设计、改进及实验验证工作。曾研发轻量级语义分割网络，在 Cityscapes 数据集上实现 75.48% mIoU，计算量仅 0.78 GFLOPs；开发基于多尺度特征与交叉注意力的运动球体轨迹跟踪算法，实现 92.1% 准确率及 46.2 FPS。另有医学图像分割、文本生成图像、风电功率预测及机器学习疾病预测等项目经验，能够完成从需求分析、数据处理、模型开发到性能评估的完整技术流程。