王弋飞

概述

加利福尼亚大学圣地亚哥分校计算机科学理学硕士二年级在读学生。

曾为计算机科学与工程学士候选人，拥有5年的数据科学和软件工程学习经验，精通Java、C、C++、Python和SQL。

基于我目前在加州大学圣地亚哥分校的计算机科学硕士学习和过去的本科经历，我致力于利用我在计算机科学方面的广泛背景，为充满活力和创新的工作环境做出贡献。
我具备扎实的技术技能，展现了对Java、C++和Python等编程语言的精通，尤其擅长Python，并具备管理大型项目和实现复杂算法的能力。

在赛力斯的实习经历让我深入了解了工作场所中的协作和扁平化沟通，以及自动化技术在行业中的实际应用。
我与一个六人团队协作开发了一款安卓应用程序，旨在增强校园内学生之间的交流。
处理大型代码库CPython的经验使我能够在大量代码段之间游刃有余，并在多样化的环境中适应新项目。
我在项目中应用了多种机器学习算法，并基于实际数据评估其有效性，这为我在专业环境中提供创新解决方案和推动技术进步做好了准备。

教育背景

加利福尼亚大学圣地亚哥分校

Master of Science
专业：计算机科学与工程；GPA：3.97/4.0
就读时间：09/2024 - 现在
课程：（点击展开更多详情）
- CSE 256: 统计自然语言处理
  - 概述：现代统计方法在自然语言处理(NLP)中的应用入门。
  - 技能
    - 编程语言：Python
    - 前馈神经网络
    - 词嵌入
    - 分词
    - n-Grams
    - 循环神经网络(RNNs)
    - 长短期记忆网络(LSTM)
    - 序列到序列(Seq2Seq)
    - 交叉注意力机制
    - 自注意力机制和Transformer
    - 编码器和解码器
- CSE 202: 算法设计与分析
  - 概述：算法设计与分析的高级课程。
  - 算法
    - 图论
    - 分治法
    - 贪心算法
    - 动态规划
    - NP与P问题
- CSE 267A: 机器人学入门
  - 概述：机器人学基础入门，涵盖运动学、传感器系统、估计、控制和规划。
- CSE 232B: 数据库系统实现
  - 概述：数据库实现原理的实践方法。代数重写器/优化器、查询处理器、触发器。超越集中式关系数据库。
  - 技能
    - 编程语言：Java和SQL
    - PGAdmin
    - PostgreSQL
    - XML
- CSE 251A: 机器学习：学习算法
  - 概述：从数据中进行监督学习和无监督学习的算法。
- CSE 257: 搜索与优化
  - 概述：本课程将涵盖自主系统中序列决策问题的核心算法。主题包括启发式搜索、蒙特卡洛搜索、深度强化学习、非线性优化、混合整数优化和随机优化。
- CSE 251B: 深度学习
  - 概述：本课程在研究生水平涵盖深度神经网络的基础知识。我们介绍多层感知器、反向传播和自动微分。我们还将讨论卷积神经网络、循环神经网络、Transformer以及深度学习中的高级主题。本课程将结合讲座、演示和机器学习竞赛。
- CSE 253: 音乐机器学习
  - 概述：本课程将向学生介绍机器学习在理解和生成音乐方面的应用。课程将涵盖音乐表示的数据结构、预测任务和音乐信息检索，以及算法音乐合成技术。
- CSE 291: 可微分编程

加利福尼亚大学圣地亚哥分校

Bachlor of Science
专业：计算机科学与工程；GPA：3.84/4.0
就读时间：09/2020 - 09/2023
课程：（点击展开更多详情）
- CSE 100: 高级数据结构
  - 链接：说明在 EdStem 上。需要登录。
  - 技能
    - 编程语言：C++
    - 算法
      
      树
      
      二叉搜索树 (BST)
      
      自平衡树
      
      多路树 (MWT)
      
      三叉搜索树 (TST)
      
      哈希
      
      数据压缩和解压
      
      图论
- CSE 101: 算法设计与分析
  - 链接：https://cseweb.ucsd.edu/~dakane/CSE101/
  - 技能
    - 算法
      
      图论
      
      分治法
      
      贪婪算法
      
      动态规划
      
      NP与P问题
- CSE 110: 软件工程
  - 链接: 过期
  - 技能:
    - 编程语言: Java
    - 项目规划
    - 项目设计
      
      场景驱动设计 (SDD)
      
      行为驱动开发 (BDD)
      
      单一责任原则
      
      面向对象设计 (OOD)
      
      UML
    - 软件测试
      
      模拟
    - 开放闭合原则和依赖倒置
    - 设计模式
      
      策略模式
      
      适配器模式
      
      观察者模式
      
      创建型模式
      
      工厂方法
      
      建造者
      
      中介者和模型-视图-表现者 (MVP)
- CSE 120: 计算机操作系统原理
  - 链接: https://cseweb.ucsd.edu/classes/wi21/cse120-a/
  - 技能:
    - 编程语言: C++
    - 操作系统
      
      处理
      
      上下文切换
      
      分时
      
      调度
      
      同步
      
      进程间通信 (IPC)
      
      死锁
      
      内存管理
      
      逻辑内存
      
      文件系统
      
      输入/输出系统
- CSE 132A/CSE 132B: 数据库系统原理/应用
  - 链接: canvas页面
  - 技能:
    - 编程语言: SQL 和 Java
    - 数据库管理系统 (DBMS):
      
      关系数据模型
    - SQL:
      
      数据定义语言 (DDL)
      
      数据操纵语言 (DML)
    - 递归
    - Java 数据库连接 (JDBC)
    - 查询处理
    - 模式设计
- CSE 134B: Web 客户端语言
  - 链接: canvas页面
  - 技能:
    - 编程语言: HTML, CSS 和 JavaScript
    - 项目:
      
      链接: https://github.com/crickwang/cse134-hw5
      
      网站: https://tranquil-queijadas-5b97c9.netlify.app (域名已过期)
- CSE 140/CSE 140L: 数字系统组件与设计技术 / 数字系统实验室
  - 链接: 无
  - 技能:
    - 编程语言: System Verilog
    - 硬件理论:
      
      晶体管
      
      逻辑门
      
      多路复用器/解复用器、解码器和加法器
      
      算术逻辑单元 (ALU)
      锁存器和触发器 (FF)
      
      RTL 设计
      
      内存
      
      CPU 设计
    - 硬件设计
- CSE 141/CSE 141L: 计算机体系结构导论 / 计算机体系结构项目
  - 链接: https://patpannuto.com/classes/2020/fall/cse141/
  - 技能:
    - 编程语言: System Verilog
    - ISA 设计:
      
      单周期机器:
      
      操作
      
      性能
      
      数据路径和控制路径
      
      多周期机器:
      
      流水线
      
      分支预测
      
      异常和中断
      
      缓存和内存:
      
      虚拟内存
    - 自设计的类 MIPS 指令集
- CSE 150B: 人工智能：搜索与推理
  - 链接: 无
  - 技能:
    - 编程语言: Python
    - 搜索算法:
      
      深度优先搜索/广度优先搜索 (DFS/BFS)
      
      A*
      
      对抗性搜索
    - 马尔可夫决策过程
    - 强化学习:
      
      蒙特卡洛策略评估
      
      时间差分
      
      约束求解
- CSE 151A: 机器学习入门
  - 链接: https://shangjingbo1226.github.io/teaching/2021-spring-CSE151A-ML
  - 技能:
    - 编程语言: Python
    - 算法:
      
      最近邻分类
      
      KNN
      
      梯度下降
      
      回归:
      
      最小二乘回归
      
      逻辑回归
      
      感知机
      
      过拟合和正则化
      
      支持向量机 (SVM)
      
      朴素贝叶斯
      
      决策树
      
      随机森林
      
      集成:
      
      装袋
      
      提升
      
      多类分类
      
      神经网络:
      
      卷积神经网络 (CNN)
      
      半监督学习
- CSE 151B: 深度学习
  - 链接: https://sites.google.com/view/cse151b
  - 技能:
    - 编程语言: Python
    - 算法:
      
      多层感知器 (MLP)
      
      卷积神经网络 (CNN)
      
      递归神经网络 (RNN)
      
      注意力机制
      
      变换器 (Transformer)
    - 项目
- CSE 158: 推荐系统与网络挖掘
  - 链接: https://cseweb.ucsd.edu/classes/fa19/cse158-a/
  - 技能:
    - 编程语言: Python
    - 监督学习:
      
      分类
      
      聚类
    - 推荐系统
    - 文本挖掘
    - 数据挖掘
    - 项目
- CSE 190: 计算机科学与工程专题 - 大型代码库构建与管理
  - 链接: https://cse190largecodebases.github.io/
  - 技能:
    - 编程语言: Python
    - 大型代码库 (CPython)
    - 绘图
    - 调试器
    - 单元测试
    - Git 工作流
    - 项目
- CSE 250A: 人工智能原理：概率推理与决策制定
  - 链接: 无
  - 技能:
    - 编程语言: Python
    - 算法:
      
      图论
      
      条件独立性和 d-分离
      
      推理:
      
      节点聚类
      
      割集条件
      
      似然
      
      马尔可夫链和蒙特卡罗方法
      
      最大似然
      
      朴素贝叶斯
      
      回归
      
      梯度下降和牛顿方法
      
      EM 算法
      
      Viterbi 路径
      
      前向后向算法
      
      高斯混合
      
      强化学习

工作经历

赛力斯汽车有限公司

部门：智能系统测试部
职务：测试实习生
在职时间：03/2024 - 06/2024
责任：
- 优化并维护车载 OTA 平台, 实现通过云端进行软件更新、诊断(CAN 总线)和引导加载。
- 将原本需 1 天的物理测试流程自动化为 10 分钟的并行虚拟测试(部分用例), 测试周期缩短 99%。
- 开发 Python 接口用于 OTA 平台, 利用可复用模板实现 ECU 测试自动化发布, 部署时间缩短 90%, 并消除冗余测试用例创建。
- 使用 CAPL 编程实现 ECU 测试的全覆盖(Web 和移动应用), 验证信号传输, 在压力测试下实现 99.7% 的自动化测试通过率(高于 97% 这一目标)。

中科云创(北京)科技有限公司

职务：研究实习生
在职时间：07/2025 - 08/2025
责任：
- 开发实时通信(RTC)平台, 将 WebRTC 与 AI Agent 融合, 将单一 TTS 虚拟助手升级为可交互的实时对话智能体。
- 构建对话管线, 结合外部 API(如 Google STT/TTS)与本地部署的开源模型(如 FunASR), 将运行成本降低 85% —— 从基于 OpenAI Realtime 的约 $100/百万 tokens 降至不足 $15/百万 tokens。
- 采用点对点(P2P)通信架构(WebRTC), 替代以服务器为中心的音频处理, 将端到端延迟从约 120 秒(基于 TCP 的 WebSocket)降低至约 2 秒(基于 UDP 的 WebRTC 流)。
- 将应用部署至 AWS 与阿里云平台, 消除物理服务器运维与硬件成本, 并实现自动扩展。

技能

编程语言: Python, C++, Java, SQL, CAPL, HTML, CSS, JavaScript, Shell Scripting。
人工智能: 神经网络(NN), 强化学习(RL), 机器学习(ML), 深度学习(DL), 监督学习, 无监督学习, 卷积神经网络(CNN), 长短期记忆网络(LSTM, RNN), Transformer, 自然语言处理(NLP), 优化, 计算机视觉(CV), TensorFlow, PyTorch。
软件工程: 设计模式, UML, 敏捷开发方法论, 软件测试, 版本控制(Git), CI/CD, 代码审查。
数据结构与算法: 查找, 排序, 高级树结构, 哈希, 图论, 复杂度分析, 动态规划, 贪心算法。
Web开发: HTML, CSS, JavaScript, React, Node.js, WebSocket, WebRTC, 前后端开发, HTTP/HTTPS, 点对点与客户端-服务器网络, TCP/IP, UDP。
操作系统: 虚拟机(Ubuntu), Linux, Shell脚本, 文件系统。
数据库管理系统 (DBMS): SQL, PostgreSQL, 查询优化, PGAdmin, 数据库设计。
推荐系统与网络挖掘: 过滤, 矩阵分解, 特征工程, A/B测试, 相似度计算, 行为分析。

项目

项目 1：UCSD 校园网络 APP

主要安卓开发者

概述：发起并开发了一款旨在革新 UCSD 学生交流的安卓应用。该应用旨在解决大型校园环境中促进学生互动的挑战。通过利用蓝牙技术和基于位置的服务，该应用使学生能够轻松发现和连接附近的同伴，鼓励实时交流和网络建设。
责任：
- 项目领导：带领一个 3 人开发团队，创造协作多样的工作环境，增强应用的功能性和可访问性。
- 技术开发：在 Android Studio 中执行关键功能的设计和实现，融合了基于蓝牙的发现系统和 Google Nearby API，以实现高效的设备检测。
- 遵循软件开发生命周期：确保交付一个可靠且高质量的软件产品。
- UI 设计与优化：开发了用户友好的界面，集成了诸如安全的 Google 登录系统等高级功能，创建了动态且吸引人的用户体验。
成就：
- 增强校园连通性：成功推出了一款在不同设备间建立稳固连接的应用。

项目 2：纽约出租车费用预测

数据科学家

概述：该项目旨在预测纽约市出租车的车费，利用多种机器学习模型根据乘客的上车和下车地点估算费用。
责任：
- 机器学习建模：使用 KNN、朴素贝叶斯和线性回归算法开发基础预测模型。
- 深度学习增强：集成多层感知器 (MLP) 以提升整体模型的预测能力，实现更准确的预测。
- 模型评估：使用均方根误差 (RMSE) 作为性能评估指标。
成就：
- 模型准确度：达到了 3.5 的竞争性 RMSE 分数，表明在预测出租车费用方面具有高准确度。

项目 3：住房选择推荐 APP

后端系统开发者

概述：负责为一款移动应用创建创新的推荐系统，该项目旨在通过提供基于用户偏好和房产特征的个性化和高效住房推荐，显著改善 UCSD 校外学生的住房选择过程。
责任：
- 推荐系统开发：独立设计并执行了一个直观匹配学生住房需求与可用房产的推荐系统。
- 使用 SQL 进行数据预处理：使用高级 SQL 查询准确且详细地预处理多样化的精心收集数据，确保推荐算法的高质量输入。
- 算法设计与实施：使用余弦相似度度量开发并实现了推荐算法，并通过正则化技术增强，以准确匹配用户偏好和住房属性。
- 与开发团队合作：与前端开发人员有效协作，将推荐系统集成到应用中，重点是无缝的用户界面和体验。
成就：
- 住房搜索系统影响：开发的推荐系统使人们寻找住房的平均时间减少了 30%，显著简化了住房选择过程。
- 用户参与度提升：在测试中，实施后用户对住房应用的参与度提高了 25%，表明用户满意度和系统效用提高。

项目 4：烹饪洞察项目

数据分析师

概述：'烹饪洞察' 项目专注于利用高级数据分析技术来提升餐饮体验。主要目标是分析大量顾客反馈和评分数据，以更好地了解学生偏好，提高校园餐饮服务的整体质量。
责任：
- 数据预处理和可视化：使用 Python 库进行大量数据集的彻底预处理，并使用 matplotlib 和 seaborn 可视化数据模式。
- 相关性分析：使用普通最小二乘法 (OLS) 进行统计分析，以确定顾客属性和餐厅评级之间的相关性，进行深入的变量分析。
- 预测建模：使用线性回归、随机森林和朴素贝叶斯算法开发预测模型，以预测基于顾客数据的餐厅评级。
- 推荐系统开发：创建了基于雅卡尔相似性的推荐系统，通过匹配顾客档案与历史评级趋势来预测餐厅评级。
成就：
- 推荐系统成功：基于雅卡尔相似性的系统提高了 35% 的顾客偏好与餐厅供应匹配的准确度，提升了顾客满意度和忠诚度。
- 相关性分析洞见：通过相关性分析提供的可操作洞见，带来了 20% 的餐厅选择过程改进，这一点通过顾客反馈和参与度增加得到了验证。

项目 5：“TaxiTime” 项目

机器学习科学家

概述：'TaxiTime' 项目专注于分析大量出租车行程信息的数据集，目标是使用深度学习技术准确预测行程持续时间，以提高城市交通系统中的乘车安排和运营效率。
责任：
- 算法开发：使用多层感知器 (MLP) 创建初始持续时间预测的基础神经网络。
- 模型增强：将经典机器学习算法（线性回归、朴素贝叶斯、随机森林、LightGBM）与 MLP 框架结合，提高预测精度，专注于优化模型权重以精细化持续时间预测。
- 训练和优化：进行广泛的模型训练，使用 100 个周期在 30 分钟内确保收敛到最有效的模型参数。
成就：
- 预测模型创新：开发的混合预测模型提高了出租车行程持续时间预测的准确度 40%。
- 模型训练效率：在缩短的时间框架内实现了模型收敛，减少了 25% 的计算资源消耗，同时保持了高准确度的预测。

项目 6：UCSD WebReg 课程注册系统复制

数据科学家

概述：旨在复制 UCSD 官方课程注册平台 WebReg 的项目，涉及创建一个全面的基于网络的系统，复制其功能。使用了 HTML、CSS、JavaScript、Java（JDBC）和 SQL 的强大技术栈。
责任：
- 数据库架构：设计并监管 PostgreSQL 数据库，通过 pgAdmin 管理，并通过 JDBC 与网络界面无缝集成。
- 数据管理：在 PostgreSQL 中进行数据库操作，保证数据完整性，并通过 SQL 命令实现约束，根据不同学生标准提供定制化的课程注册信息。
- 全面测试：应用各种测试方法，包括模拟，以验证课程修改和操控等功能的有效性。
成就：成功模仿了 WebReg 的功能，在项目最终展示中获得了运营卓越的赞誉。

项目 7：创新网络设计计划

前端开发人员

概述：策划并创建了一个动态网站，巧妙融合 HTML、CSS 和 JavaScript，展现个人和 UCSD 相关的故事。
责任：
- HTML 专业技能：运用 HTML5 实现基础网页开发，加入互动元素，如链接、图像和多媒体。
- 引人入胜的用户界面：为增强用户参与度，使用 CSS 和 JavaScript 设计并实现互动元素，提升美学和功能性。
- 直观的 UI 布局：设计以用户为中心的界面，优先考虑易于导航和视觉吸引力。

项目 8：CPython 代码库扩展和管理

软件工程师

概述：此项目专注于扩充现有的 CPython 代码库，该代码库是高级 Python 编程的基石。目标是集成新功能并维护一个顺畅的管理系统。
责任：
- 代码库分析：使用全面的工具对代码库进行评估，重构效率不高的部分以提升性能。
- 创新功能集成：设计并嵌入新功能以改善编码体验，确保与现有 CPython 功能的和谐共存。
- 严格测试：开发定制化的演示以模拟用户互动，准备并纠正非常规用户行为。
成就：显著提高了编程效率，这一点从同行评审和用户反馈中得到证明。

项目 9：MIPS 架构的前沿发展

硬件架构师

概述：领导设计和实现创新的类 MIPS 指令集和汇编代码，通过省略不必要的指令简化 MIPS 架构。
责任：
- 硬件蓝图：使用 ModelSim 和 Quartus 对硬件结构和工作流程进行可视化和规划。
- 汇编语言创新：制定和应用定制指令集，优化多周期机器的汇编指令。
- 内存管理改革：重构内存管理协议，提升指令存储器到 ALU 周期的效率，并为分支指令设计加速路径。