我的算法工程师方法论：先把数据与评估搞明白
从一次 CV 竞赛（SVHN 字符识别）和一次时序预测（内存故障预测）的经历出发，聊聊我最常用的改进路径：数据分布、评估偏差、以及可复现实验。
Read more
Computer VisionMachine Learning Engineer
专注于图像处理 模型训练与推理部署
关注数据分布 评估偏差与可复现实验 把模型真正落地
Focus Areas
Data & Model Training
数据清洗、增强与训练策略设计，关注分布一致性与评估有效性。
Computer Vision Pipelines
目标检测、字符识别与视觉任务的端到端建模与后处理。
Experiment & Evaluation
可复现实验、对照分析与消融，避免"玄学调参"。
Inference & Deployment
ONNX、推理加速与工程落地，关注速度、稳定性与可维护性。