LI Junxing

李俊星 Jasen

العربية · EN · Español · فارسی · Français · हिन्दी · 日本語 · 한국어 · Русский · 中文

¡Bienvenido a este sitio! Esta página contiene más detalles sobre mí.
Correo personal: lev1s at duck dot com

🙋 Perfil

Sólidas capacidades de ingeniería en investigación y entrega de sistemas, capaz de impulsar de forma independiente el pipeline completo desde la definición del problema, el diseño de la solución y la validación experimental hasta la entrega de ingeniería. Durante los estudios de grado, desarrollé sólidas habilidades de modelado analítico, expresión abstracta y trabajo en equipo a través de concursos de modelado matemático y formación en investigación. Durante el máster, realicé prácticas interdisciplinarias en investigación cuantitativa de criptomonedas y algoritmos de post-procesamiento para segmentación de imágenes, completando la reconstrucción del framework de investigación cuantitativa, la configuración del pipeline de predicción de series temporales, y la adaptación de RankSEG a workflows de segmentación convencionales, reproducción de experimentos y empaquetado de entornos. Familiarizado con la colaboración open-source, la documentación técnica y la comunicación bilingüe, con experiencia práctica en workflows de agentes, cadenas de herramientas automatizadas y despliegue en la nube.

🎓 Educación

City University of Hong Kong (Sep 2025 – Oct 2026) Máster en Ciencias en Bioestadística
Qingdao University of Technology (Sep 2020 – Jun 2024) Licenciatura en Ciencias en Matemáticas y Matemáticas Aplicadas

💼 Experiencia en Prácticas & Investigación

The Chinese University of Hong Kong (CUHK)

Asistente de Investigación a tiempo parcial | Feb 2026 – Presente

Supervised by Prof. Ben Dai.
Impulsé la ingeniería de investigación y el despliegue del algoritmo de post-procesamiento de segmentación de imágenes RankSEG, responsable del pipeline completo desde la lectura del código fuente y la reproducción de experimentos, la adaptación a frameworks de segmentación principales, la integración del post-procesamiento de inferencia, el desarrollo de scripts de evaluación hasta el empaquetado del entorno en clúster, haciendo avanzar el algoritmo de prototipo de investigación a una forma de ingeniería reproducible y desplegable.
Avancé la integración y extensión de RankSEG en workflows de segmentación semántica convencionales; participé en la adaptación de los frameworks mmsegmentation y PaddleSeg, y diseñé un post-processing helper en un fork de Transformers para permitir que los tensores de probabilidad de salida del modelo se alimenten directamente en el post-procesamiento guiado por Dice/IoU, soportando la optimización de resultados de segmentación sin reentrenamiento.
Participé en la reconstrucción del pipeline de post-procesamiento de inferencia y evaluación, optimizando los flujos de predicción en torno a las métricas Dice/IoU, añadiendo registros, scripts de evaluación y seguimiento de resultados para mejorar la comparabilidad experimental, la eficiencia de depuración y la estabilidad de reproducción.
Configuré experimentos reproducibles usando Singularity + Slurm en el clúster HPC de CUHK, completando el empaquetado de imágenes, la gestión de dependencias, la presentación de trabajos por plantillas y la adaptación a entornos multi-GPU, consolidando comandos de experimentos dispersos en plantillas unificadas que soportan experimentos en lote en A100, V100 y RTX Pro 6000.
Mejoré el pipeline de entrega del proyecto para usuarios de la comunidad y colaboradores potenciales añadiendo guías de inicio rápido, tutoriales de integración, README, demos interactivas y playground, avanzando en la demostración cloud y el desarrollo del pipeline CI/CD para reducir las barreras de incorporación y mejorar la visibilidad externa del proyecto.

Zhejiang Mingce Asset Management Co., Ltd.

Pasante de Arquitectura Cuantitativa (CityUHK Bios Coop) | Sep 2025 – Abr 2026 Trading Cuantitativo de Criptomonedas & Desarrollo de Estrategias

Realicé investigación de señales y desarrollo de framework para el trading diario de criptoactivos en torno a BTC, ETH y los siguientes 40 activos de mayor liquidez, responsable del pipeline completo de I+D desde la limpieza de datos on-chain, construcción de features, preprocesamiento de factores, modelado predictivo, backtesting de series temporales hasta la generación de señales.
Realicé minería activa de factores y mejora de señales usando modelos arborescentes como Random Forest y XGBoost, mejorando la calidad de las features de entrada mediante pruebas de estacionariedad, pruebas de correlación y estrategias de preprocesamiento por clasificación de factores, explorando diferentes métodos de construcción de la variable de respuesta y las contribuciones de las señales transversales.
Lideré la reconstrucción de los scripts experimentales iniciales basados en R Markdown en un framework de investigación modular Python-R-SQL, diseñando desde cero el directorio de código, los límites de módulos, las interfaces de funciones, la nomenclatura de variables, las estructuras de datos y los mecanismos de configuración YAML, formando un pipeline de investigación cuantitativa y backtesting reutilizable y extensible.
Apliqué métodos MAVE y Autoencoder para la reducción de dimensionalidad de features y el aprendizaje de representaciones para abordar el alto ruido y la alta colinealidad en series temporales financieras, combinado con validación cruzada estricta de series temporales y búsqueda de hiperparámetros para controlar los riesgos de fuga de información y mejorar la robustez de la evaluación de modelos.
Realicé validación de predicción direccional multi-período a 7/14/28 días usando 8 años de datos históricos y una ventana de backtest móvil de 1 año, construyendo un sistema de evaluación de doble vía (clasificación y predicción continua) usando el signo del log return como etiqueta direccional principal, alcanzando una precisión direccional aproximada del 65%.
Establecí un pipeline de entrega de señales desde la investigación hasta producción, soportando entrenamiento paralelo multi-activo, predicción y backtesting, impulsado por configuración YAML unificada, con resultados devueltos vía JSON/API y almacenados en base de datos SQL, soportando la visualización frontend posterior y la integración con trading en vivo.

🔬 Experiencia en Proyectos

Modelado Estadístico de Cuotas y Comportamiento de Apuestas del Hong Kong Jockey Club

Iniciador del Proyecto | Oct 2025 – Dic 2025 Proyecto de Curso CityU

Realicé scraping de datos a gran escala, limpieza y análisis exploratorio de datos históricos del HKJC, construyendo un conjunto de datos analíticos estructurado que cubre resultados de carreras, cuotas y tipos de apuestas.
Apliqué inferencia estadística y pruebas de hipótesis para analizar sistemáticamente las distribuciones de resultados de carreras y los factores de influencia potenciales, verificando el equilibrio muestral y la viabilidad del modelado.
Construí modelos de aprendizaje estadístico para escenarios de apuestas place y place Q usando datos históricos de carreras, completando ingeniería de features, entrenamiento de modelos y evaluación de resultados.
Logré alta precisión predictiva en muestras del hipódromo de Sha Tin y en validación a pequeña escala, soportando el análisis de estrategias de apuestas y la optimización de modelos.

Estudio Experimental sobre la Resistencia al Corte de Suelos No Saturados

Miembro Principal | Subvención de la Fundación Nacional de Ciencias Naturales de China 📄 Artículo (Rock and Soil Mechanics) Grant No.: 42307236, 12172187, 12072170

Desarrollo de modelos MATLAB de alta precisión (>98% de precisión)
Optimización de código C para más de 200k puntos de datos → aceleración 3×
Producción de visualizaciones en Python / Origin
Co-autor de dos patentes nacionales

Estudio sobre la Generación de Fractales Multi-regla

Tesis de Graduación

Construcción de un modelo fractal acelerado por GPU con Taichi, logrando una aceleración 100×
Implementación de renderizado fractal en tiempo real e interacción
Identificación de mejoras sobre los sistemas de generación de fractales existentes

Modelado Epidemiológico del COVID-19

MathorCup 2022

Propuesta del modelo $SIERR-T$ integrando la dinámica de medios y rumores
Análisis de sentimientos NLP sobre 5M de comentarios de Weibo
Aplicación de métodos de aprendizaje profundo para detección de rumores y pronóstico de tendencias de propagación, logrando buen rendimiento predictivo en los conjuntos experimentales
Análisis de efectos de políticas usando datos OxCGRT

📚 Publicaciones & Patentes

[J.1] NIU Geng, ZHU Xiao-feng, LI Jun-xing, LÜ Meng-yuan, AN Li-qi, CHEN Zi-han. (2022). Experimental study on shear strength of unsaturated soil over a wide suction range and its prediction. Rock and Soil Mechanics, No. 12, pp. 1-11. DOI: 10.16285/j.rsm.2022.2005. (IF=3.721, EI, CA, JST, CSCD, Peking University Core Journal)
[P.1] NIU Geng, LI Jun-xing, ZHU Xiao-feng, TAN Yong-ming, MIAO Yu-song, ZHAO Shi-jun, WU Di. (2024). Triaxial Apparatus for Unsaturated Soil Based on Dialysis Method Suction Control. Chinese Patent, Patent No. CN117368002A. Application No. CN202311298912.7, Application Date: 2023-10-09, Publication Date: 2024-01-09.
[P.2] NIU Geng, KONG Liang, ZHU Xiao-feng, LI Jun-xing, AN Li-qi, LÜ Meng-yuan, CHEN Zi-han. (2022). Direct Shear Apparatus for Unsaturated Soil with Erosion Monitoring and Control System. Chinese Patent, Patent No. CN115452613A. Application No. CN202211220042.7, Application Date: 2022-10-08, Publication Date: 2022-12-09.

🏅 Honores & Premios

🥈 Competencia China de Matemáticas (CMC), Segundo Premio Nacional (ene 2023)
🥈 Concurso de Modelado Matemático CUMCM, Segundo Premio de Shandong (nov 2022)
🥈 Competencia Provincial de Matemáticas de Shandong, Segundo Premio de Shandong (nov 2022)
🥉 Desafío de Modelado Matemático MathorCup, Tercer Premio Nacional (may 2022)
🥈 Competencia Provincial de Física de Shandong, Segundo Premio de Shandong (nov 2021)