Lev1s

Logo

Know me better here

View My GitHub Profile

لی جونشینگ

LI Junxing Jasen

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

به این سایت خوش آمدید! این صفحه حاوی اطلاعات بیشتری دربارهٔ من است.

🙋 معرفی

من مهندس پژوهش با پیشینهٔ ریاضیات و آمار هستم و در حوزه‌های مهندسی پژوهش کمی، زیرساخت داده‌های مالی، پس‌پردازش بینایی ماشین و تحویل راهکارهای سازمانی مبتنی بر AI Agent فعالیت می‌کنم. می‌توانم یک مسئله را از تعریف و اعتبارسنجی آزمایشی تا گردش‌کارهای بازتولیدپذیر داده/مدل، تحویل مهندسی و مستندسازی کاربرمحور پیش ببرم.

کار فعلی من پلتفرم‌های دادهٔ کمی و پژوهش سیگنال را با مهندسی پژوهش در پس‌پردازش قطعه‌بندی تصویر با RankSEG و طراحی عملی گردش‌کارهای AI Agent ترکیب می‌کند. به سیستم‌هایی اهمیت می‌دهم که آزمون‌پذیر، تکرارپذیر و در محیط واقعی قابل استفاده باشند.

تمرکز فعلی: مهندسی پژوهش کمی، زیرساخت داده‌های مالی، پلتفرم‌های پژوهشی، سرویس‌های دادهٔ معاملاتی و راهکارهای AI / خودکارسازی Agent.

🌈 توازن رنگ‌ها

رنگ       سهم      نوار             معنا
--------  -------  ---------------  ------------------------------------------
مشکی      40.6%    ████████░░░░     عاملیت، دستاورد و اجرای راهبردی
آبی       26.9%    █████░░░░░░░     درک، تسلط و عمق تحلیلی
قرمز      14.4%    ███░░░░░░░░░     شدت، صراحت و تحمل فشار
سفید      12.7%    ███░░░░░░░░░     ساختار، نظم و ثبات
سبز        5.4%    █░░░░░░░░░░░    ارتباط، همدلی عاطفی و هماهنگی

پروفایل من به‌طور محسوسی Black-Blue است: عمل در کنار تحلیل.

  • مشکی در انگیزه، عاملیت و تمایل به به‌نتیجه‌رساندن کارها دیده می‌شود.
  • آبی دقت، کنجکاوی و ترجیح فهمیدن سازوکار واقعی سیستم‌ها را اضافه می‌کند.
  • قرمز نشان‌دهندهٔ گرایش به فشار، صراحت و شدت است.
  • سفید حضور دارد اما ثانویه است: ساختار را زمانی ارزشمند می‌دانم که اجرا را بهتر کند.
  • سبز کمترین سهم را دارد؛ بنابراین به‌طور طبیعی کمتر بر فضای عاطفی یا ایجاد اجماع متمرکز هستم.

الگوی اصلی

وقتی مسئله‌ای دشوار، محدودیتی واقعی و فضای کافی برای فکرکردن روشن وجود داشته باشد، بهترین کارم را ارائه می‌دهم. به محیط‌هایی جذب می‌شوم که در آن‌ها دقت اهمیت دارد، از پیچیدگی فرار نمی‌شود و نتیجه را می‌توان با پایداری در عمل سنجید. به روش‌هایی اعتماد دارم که آزمون‌پذیر، تکرارپذیر و مبتنی بر واقعیت باشند؛ ترجیح می‌دهم یک سیستم کارآمد بسازم تا فقط توضیحی قانع‌کننده دربارهٔ آن ارائه کنم.

در تیم‌ها معمولاً از راه حل مسئله، ساختاردهی و اجرا مشارکت می‌کنم. شاید همیشه با صمیمیت یا دیده‌شدن شروع نکنم، اما با عملی‌کردن کارها، کم‌کردن ابهام و رساندن وظایف دشوار به پایان، توجه خود را نشان می‌دهم.

مرجع

🎓 تحصیلات

  • دانشگاه شهری هنگ‌کنگ (سپتامبر ۲۰۲۵ – اکتبر ۲۰۲۶) کارشناسی ارشد علوم در آمار

  • دانشگاه فناوری چینگدائو (سپتامبر ۲۰۲۰ – ژوئن ۲۰۲۴) کارشناسی علوم در ریاضیات و ریاضیات کاربردی

💼 تجربهٔ کارآموزی و پژوهش

Sika China

کارآموز AI Agent | آوریل ۲۰۲۶ – ژوئیهٔ ۲۰۲۶

  • برای گردش‌کارهای تکراری و وابسته به تجربه، روی پشتیبانی محصول AI، راهکارهای داخلی، خودکارسازی داده و عملیات کسب‌وکار کار کردم.
  • نیازهای مبهم کسب‌وکار را به ورودی‌ها و قواعد ساختاریافته، طراحی Agent/Skill، MVP، چرخهٔ بازخورد و معیارهای پذیرش تبدیل کردم.
  • از راه‌اندازی داخلی Agent، توانمندسازی کاربران، آموزش، مستندسازی SOP و دارایی‌های قابل استفادهٔ مجدد پشتیبانی کردم و اطلاعات کسب‌وکار را در چارچوب مناسب نگه داشتم.
  • خودکارسازی‌های عملی برای پردازش داده، بازیابی دانش، گزارش‌سازی و ارائه ساختم یا تطبیق دادم و میان کیفیت بصری، قابلیت ویرایش و استفادهٔ مجدد تعادل برقرار کردم.

دانشگاه چینی هنگ‌کنگ (CUHK)

دستیار پژوهشی پاره‌وقت | فوریهٔ ۲۰۲۶ – اکنون

  • مهندسی پژوهش و استقرار الگوریتم پس‌پردازش قطعه‌بندی تصویر RankSEG را پیش بردم؛ از خواندن کد منبع و بازتولید آزمایش تا تطبیق چارچوب، یکپارچه‌سازی استنتاج، ارزیابی و بسته‌بندی محیط کلاستر.
  • یکپارچه‌سازی RankSEG را در گردش‌کارهای قطعه‌بندی معنایی، از جمله mmsegmentation، PaddleSeg، Hugging Face Transformers و مسیرهای تطبیق خانوادهٔ SAM، پیش بردم. رابط‌هایی طراحی کردم که امکان استفاده از تانسورهای امتیاز مدل در پس‌پردازش مبتنی بر Dice/IoU را بدون آموزش مجدد فراهم می‌کنند.
  • گردش‌کارهای بازتولیدپذیر ارزیابی، ثبت رخداد و پیگیری نتیجه ساختم تا مقایسه‌پذیری آزمایش‌ها، کارایی اشکال‌زدایی و پایداری بازتولید بهتر شود.
  • محیط‌های Singularity + Slurm را روی CUHK HPC بسته‌بندی کردم و قالب‌های کار قابل استفادهٔ مجدد برای آزمایش‌های چند GPU آماده کردم.
  • در اکوسیستم RankSEG به‌صورت عمومی از طریق Transformers PR #19، SAM integration PR #20، integration documentation PR #22 و MONAI PR #2 مشارکت کردم؛ همهٔ این تغییرات merge شده‌اند.

Zhejiang Mingce Asset Management Co., Ltd.

کارآموز معماری کمی | سپتامبر ۲۰۲۵ – آوریل ۲۰۲۶ مهندسی پژوهش کمی و زیرساخت دادهٔ دارایی‌های دیجیتال

  • یک پلتفرم دادهٔ پژوهش کمی برای حدود ۸ سال سابقه و دارایی‌های دیجیتال Top 40 از نظر نقدشوندگی ساختم که داده‌های OHLCV دقیقه‌ای و روزانه، شاخص‌های آن‌چین و عوامل مشتق‌شده را یکپارچه می‌کرد.
  • حدود ۱۷۰ میلیون رکورد بازار دقیقه‌ای، ۳٬۰۰۰ ویژگی کاندید و حدود ۲۰ GB دادهٔ Parquet را مدیریت کردم. معماری را به سمت Parquet + ذخیره‌سازی شیء سازگار با S3 + DuckDB/Polars بازطراحی کردم و MySQL را برای متادیتا، وضعیت کارها و سیگنال‌های جاری نگه داشتم.
  • داده‌ها را بر اساس دارایی، تناوب، سال و تاریخ پارتیشن‌بندی کردم و جمع‌آوری افزایشی، نوشتن پارتیشن، اعتبارسنجی و پشتیبان‌گیری در ذخیره‌سازی شیء را افزودم. زمان پرس‌وجوهای معمول پژوهشی از ۱–۳ دقیقه به ۵–۱۵ ثانیه رسید و به‌روزرسانی و پشتیبان‌گیری روزانه در ۱۰ دقیقه نگه داشته شد.
  • R Markdown و اسکریپت‌های پراکندهٔ Python/R را به یک پایپ‌لاین پژوهشی قابل تنظیم Python–R–SQL تبدیل کردم که آموزش چنددارایی، استنتاج، اعتبارسنجی غلتان، بک‌تست و آزمایش‌های بازتولیدپذیر را پشتیبانی می‌کند.
  • برای پیش‌بینی جهت‌دار ۷/۱۴/۲۸ روزه و نمایش ویژگی‌ها از LightGBM، XGBoost، MAVE و VAE استفاده کردم. اعتبارسنجی خارج از نمونهٔ غلتان اخیر در یک نتیجهٔ مرحله‌ای و وابسته به مرحله به حدود ۶۵٪ دقت جهت‌دار رسید؛ این عدد ادعای عملکرد عمومی نیست.
  • لایه‌های استاندارد تحویل سیگنال و مدیریت مدل ساختم که پیش‌بینی‌ها، مواجهه‌های عاملی و وزن‌های راهبردی را از طریق رابط‌های API/JSON به سیستم‌های پایین‌دستی برمی‌گردانند.

🔬 تجربهٔ پروژه‌ها

مدل‌سازی آماری ضرایب و رفتار شرط‌بندی باشگاه سوارکاری هنگ‌کنگ

آغازگر پروژه | اکتبر ۲۰۲۵ – دسامبر ۲۰۲۵ پروژهٔ درسی دانشگاه شهری هنگ‌کنگ

  • داده‌های تاریخی مسابقه، ضرایب و انواع شرط‌بندی را جمع‌آوری و پاک‌سازی کردم و استنباط و یادگیری آماری را روی سناریوهای place و place-Q به کار بردم.
  • این پروژه یک پژوهش درسی کوچک‌مقیاس در CityU بود؛ نتایج آن نباید به‌عنوان توانایی پایدار در شرط‌بندی یا بازده زندهٔ معاملاتی تفسیر شود.

مطالعهٔ تجربی مقاومت برشی خاک غیراشباع

عضو اصلی تیم | پروژهٔ مرتبط با بنیاد ملی علوم طبیعی چین 📄 مقالهٔ علمی (Rock and Soil Mechanics)

  • برازش را در MATLAB با دقت بیش از ۹۸٪ پیاده‌سازی کردم و توابع اصلی را با C بازنویسی کردم تا بیش از ۲۰۰ هزار نقطهٔ داده و حدود ۳۰۰٪ بهبود کارایی محاسباتی پشتیبانی شود.
  • برای تحلیل و مصورسازی از Python / Origin استفاده کردم و در دو دستاورد ثبت اختراع مرتبط با تجهیزات مشارکت داشتم.

مطالعهٔ تولید فراکتال‌های چندقانونی

پایان‌نامهٔ ممتاز کارشناسی

  • یک مدل تولید فراکتال چندقانونی مبتنی بر سیستم‌های دینامیکی پیچیده با رندر بلادرنگ و مصورسازی تعاملی ساختم.
  • با Taichi / Python شتاب‌دهی GPU را به کار بردم و نسبت به پیاده‌سازی اصلی حدود ۱۰۰× بهبود گرفتم.

مدل‌سازی اپیدمیولوژیک COVID-19

پروژهٔ مدل‌سازی ریاضی | مارس ۲۰۲۲

  • یک مدل SIERR-T ساختم که پویایی رسانه و شایعه را دربر می‌گیرد و روی نظرات ویبو تحلیل احساسات و شناسایی شایعه انجام دادم.
  • اثر سیاست‌ها را با استفاده از داده‌های OxCGRT تحلیل کردم.

📚 انتشارات و حق اختراع

🏅 افتخارات و جوایز

  • 🥈 مسابقات ریاضی دانشگاهیان چین (CMC)، جایزهٔ دوم کشوری (ژانویهٔ ۲۰۲۳)
  • 🥈 مسابقهٔ مدل‌سازی ریاضی CUMCM، جایزهٔ دوم شاندونگ (نوامبر ۲۰۲۲)
  • 🥈 مسابقهٔ ریاضی استانی شاندونگ، جایزهٔ دوم شاندونگ (نوامبر ۲۰۲۲)
  • 🥉 چالش مدل‌سازی ریاضی MathorCup، جایزهٔ سوم کشوری (مهٔ ۲۰۲۲)
  • 🥈 مسابقهٔ فیزیک استانی شاندونگ، جایزهٔ دوم شاندونگ (نوامبر ۲۰۲۱)

🛠 مهارت‌ها

Python R SQL Polars DuckDB Parquet MATLAB C Linux Docker CI/CD Cloudflare Shell Git MySQL Redis Slurm Singularity Jupyter VS Code

نکات برجستهٔ زنجیرهٔ ابزار

  • پژوهش کمی: Pandas، NumPy، Polars، DuckDB، LightGBM، XGBoost، MAVE، VAE، اعتبارسنجی متقاطع سری زمانی، اعتبارسنجی walk-forward و بک‌تست.
  • زیرساخت داده: Apache Parquet، ذخیره‌سازی شیء سازگار با S3، MySQL، Redis، تحویل JSON/API و پایپ‌لاین‌های پارتیشن‌بندی‌شده و افزایشی.
  • مهندسی پژوهش: PyTorch، Hugging Face Transformers، MMSegmentation، PaddleSeg، MONAI، TorchGeo، nnU-Net و TotalSegmentator.
  • سیستم و تحویل: Linux/Unix، Git/GitHub، Slurm، Singularity، Docker، GitHub Actions، پیکربندی YAML، گردش‌کارهای CLI، ثبت وقایع و پیگیری آزمایش.
  • گردش‌کار AI Agent: Claude Code، Codex، Cursor، GitHub Copilot، Dify، MCP و طراحی خودکارسازی رو‌به‌کسب‌وکار.

🌏 زبان‌ها

  • چینی ماندارین (زبان مادری)
  • انگلیسی (B2)

🎯 علایق

🏞 کوهنوردی · 🏋️‍♂️ ورزش · 🏍 موتورسیکلت · 📷 عکاسی · 💻 برنامه‌نویسی


آخرین به‌روزرسانی: ژوئیهٔ ۲۰۲۶