查看项目详情

Curriculum Vitae

梁飞璇

求职意向 机器学习 / 数据挖掘工程师 2027 届校招

个人概述

人工智能专业在读，关注模型能不能真正落地。在课程项目中完整走过 数据清洗 → 特征工程 → 超参搜索 → 指标评估 → API 部署 的链路，习惯把超参、指标与失败结论一并写进项目文档。

教育背景

南宁学院人工智能（本科）
2023.09 – 2027.06

相关课程： Python 程序设计 · 数据结构 · 机器学习 · 深度学习 · 计算机视觉 · 生成对抗网络 · 自然语言处理

项目经历

基于 XGBoost 的酒店预订取消预测系统

课程项目·3 人小组（负责建模与评估）·2025.07

针对酒店预订取消率高、房间空置的问题，基于 Hotel Reservations 数据集构建二分类预测模型， 识别高风险取消订单，并封装为可供业务调用的接口。

  • 数据处理：清洗 36275 条预订记录，将 19 列原始字段工程化为 38 维特征，对类别不平衡使用 SMOTE 重采样。
  • 建模调参：采用 XGBoost 梯度提升树，以 5 折交叉验证配合 81 组网格搜索确定超参，并与随机森林、LightGBM 做基线对比。
  • 交付形态：使用 Flask 封装推理接口，单次预测响应 < 50ms，具备接入业务系统的基础条件。
0.9012Accuracy
0.9570AUC
0.9333F1
< 50ms单次推理
查看项目详情

基于 GAN 的图像生成实验（DCGAN / WGAN-GP / 条件 GAN）

课程项目·3 人小组（负责核心模型与训练器）·2025.12

在 PyTorch 上从零实现三种生成对抗网络的生成器与判别器训练流程， 对比无条件生成与条件生成的差异，并完成训练效率优化。

  • 模型实现：完成 DCGAN、WGAN-GP、条件 GAN 三个变体的核心模型与训练器，本人承担约 200 行关键代码。
  • 结构调整：条件 GAN 将 50 维标签嵌入与 100 维噪声拼接以约束生成类别；WGAN-GP 移除生成器输出层 Sigmoid 并引入梯度惩罚稳定训练。
  • 效率优化：将训练从 CPU 迁移至 GPU，单 epoch 耗时由 30 分钟以上压缩至约 8 分钟。
如实说明 本实验以生成样本的定性对比与 G / D 损失曲线作为评估手段， 未引入 FID、IS 等量化指标，因此不给出生成质量的数值结论。
查看项目详情

在研课题

在研 · 2026.09 起

基于深度学习的油橄榄成熟度检测系统设计与实现（本科毕业设计）

方向为目标检测与图像分类，当前处于文献调研与方案选型阶段， 重点研究改进型 EfficientDet 等检测网络在小样本农产品成熟度判别上的表现。 计划 2027 年 6 月完成。

如实说明 课题尚在起步阶段，暂无数据集与实验结果，本页不展示任何指标。

其他实践

技能与证书

机器学习
Scikit-learn、XGBoost；特征工程、SMOTE 类别不平衡处理、网格搜索与交叉验证；模型评估（Accuracy / AUC / Precision / Recall / F1）
深度学习
PyTorch（DCGAN、WGAN-GP、条件 GAN 的模型与训练流程实现）、MindSpore（LSTM、GAN 实验）
工程与工具
Python、Flask API 封装与部署、Jupyter Notebook、OpenCV
证书
大学英语四级 CET-4 计算机二级 普通话二级甲等