Ли Цзюньсин

LI Junxing Jasen

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

Добро пожаловать на этот сайт! На этой странице содержится подробная информация обо мне.
Личная почта: lev1s at duck dot com

🙋 Профиль

Обладаю сильными компетенциями в области исследовательской инженерии и внедрения систем, способен самостоятельно выстраивать полный пайплайн от постановки задачи и разработки решения через экспериментальную проверку до инженерной поставки. В период бакалавриата приобрёл прочные навыки в области аналитического моделирования, абстрактного мышления и командной работы через конкурсы по математическому моделированию и научную подготовку. В магистратуре вёл практику сразу в двух направлениях — количественные исследования криптовалют и алгоритмы постобработки сегментации изображений — завершив реструктуризацию фреймворка количественных исследований, построение пайплайна прогнозирования временных рядов, а также адаптацию RankSEG к основным рабочим процессам сегментации, воспроизведение экспериментов и упаковку окружений. Знаком с открытым сотрудничеством, технической документацией и двуязычной коммуникацией; имею практический опыт работы с агентными рабочими процессами, автоматизированными инструментальными цепочками и облачным развёртыванием.

🎓 Образование

Городской университет Гонконга (Сент. 2025 – Окт. 2026) Магистр наук в области биостатистики
Циндаоский технологический университет (Сент. 2020 – Июнь 2024) Бакалавр наук в области математики и прикладной математики

💼 Стажировки & Исследовательский опыт

Китайский университет Гонконга (CUHK)

Неполный рабочий день, научный ассистент | Февр. 2026 – Настоящее время

Supervised by Prof. Ben Dai.
Осуществил инженерное внедрение алгоритма постобработки сегментации изображений RankSEG, отвечая за полный пайплайн от чтения исходного кода и воспроизведения экспериментов, адаптации к основным фреймворкам сегментации, интеграции постобработки инференса и разработки скриптов оценки до упаковки кластерного окружения, переводя алгоритм из исследовательского прототипа в воспроизводимую и развёртываемую инженерную форму.
Продвинул интеграцию и расширение RankSEG в основных рабочих процессах семантической сегментации; участвовал в адаптации фреймворков mmsegmentation и PaddleSeg, спроектировал вспомогательный модуль постобработки в форке Transformers, позволив вероятностным тензорам выходного слоя модели напрямую поступать в постобработку на основе метрик Dice/IoU, поддерживая оптимизацию результатов сегментации без повторного обучения.
Участвовал в реструктуризации пайплайна постобработки инференса и оценки, оптимизируя рабочие процессы прогнозирования вокруг метрик Dice/IoU, дополняя логирование, скрипты оценки и отслеживание результатов для повышения сопоставимости экспериментов, эффективности отладки и стабильности воспроизведения.
Настроил воспроизводимые эксперименты с использованием Singularity + Slurm на HPC-кластере CUHK, выполнив упаковку образов, управление зависимостями, шаблонную отправку задач и адаптацию к многопроцессорным средам GPU, консолидировав разрозненные команды экспериментов в унифицированные шаблоны с поддержкой пакетных экспериментов на A100, V100 и RTX Pro 6000.
Улучшил пайплайн поставки проекта для пользователей сообщества и потенциальных партнёров, добавив руководства быстрого старта, интеграционные туториалы, README, интерактивные демо и площадку для экспериментов, продвинув облачную демонстрацию и построение CI/CD-пайплайна для снижения барьеров освоения и повышения внешней видимости проекта.

Zhejiang Mingce Asset Management Co., Ltd.

Стажёр по количественной архитектуре (CityUHK Bios Coop) | Сент. 2025 – Апр. 2026 Количественный трейдинг криптовалют и разработка стратегий

Проводил исследование сигналов и разработку фреймворка для дневной торговли криптоактивами по BTC, ETH и последующим 40 активам по ликвидности, отвечая за полный R&D-пайплайн от очистки данных on-chain, конструирования признаков, предобработки факторов, предиктивного моделирования, бэктестинга временных рядов до генерации сигналов.
Осуществил активный поиск факторов и улучшение сигналов с использованием древовидных моделей Random Forest и XGBoost, повышая качество входных признаков посредством тестов на стационарность, тестов корреляции и стратегий предобработки по классификации факторов, исследуя различные методы конструирования переменной отклика и вклады поперечных сигналов.
Руководил реструктуризацией ранних экспериментальных скриптов на R Markdown в модульный фреймворк Python-R-SQL для количественных исследований, спроектировав с нуля структуру кода, границы модулей, интерфейсы функций, именование переменных, структуры данных и механизмы конфигурации YAML, сформировав переиспользуемый и расширяемый пайплайн количественных исследований и бэктестинга.
Применил методы MAVE и автоэнкодера для снижения размерности признаков и обучения представлений с целью работы с высоким шумом и мультиколлинеарностью в финансовых временных рядах, совместив это со строгой кросс-валидацией временных рядов и поиском гиперпараметров для контроля рисков утечки информации и повышения робастности оценки моделей.
Провёл многопериодную направленную прогностическую валидацию на 7/14/28 дней по 8 годам исторических данных и скользящему окну бэктеста в 1 год, выстроив двухпутевую систему оценки (классификация и непрерывное прогнозирование) на основе знака логарифмического возврата как ключевой метки направления, достигнув точности прогнозирования направления около 65%.
Выстроил пайплайн поставки сигналов от исследований до продакшна с поддержкой параллельного обучения, прогнозирования и бэктестинга по нескольким активам, управляемый единой конфигурацией YAML, с возвратом результатов через JSON/API и хранением в базе SQL, поддерживая последующий фронтенд-дисплей и интеграцию с живым трейдингом.

🔬 Проектный опыт

Статистическое моделирование коэффициентов и поведения ставок Гонконгского жокей-клуба

Инициатор проекта | Окт. 2025 – Дек. 2025 Учебный проект CityU

Провёл масштабный сбор данных, очистку и разведочный анализ исторических данных скачек HKJC, сформировав структурированный аналитический набор данных, охватывающий результаты скачек, коэффициенты и типы ставок.
Применил статистический вывод и проверку гипотез для систематического анализа распределений результатов скачек и потенциальных влияющих факторов, проверив сбалансированность выборок и возможность моделирования.
Построил модели статистического обучения для сценариев ставок «место» и «место Q» на основе исторических данных скачек, выполнив разработку признаков, обучение модели и оценку результатов.
Достиг высокой точности прогнозирования на образцах ипподрома Шатин и при малой выборочной валидации, поддерживая последующий анализ стратегий ставок и оптимизацию моделей.

Экспериментальное исследование прочности на сдвиг ненасыщенных грунтов

Ключевой участник | Грант Национального фонда естественных наук Китая 📄 Статья (Rock and Soil Mechanics) Grant No.: 42307236, 12172187, 12072170

Разработка высокоточных моделей MATLAB (>98% точность)
Оптимизация кода C для 200k+ точек данных → ускорение в 3×
Визуализации на Python / Origin
Соавтор двух национальных патентов

Исследование генерации мультиправильных фракталов

Дипломная работа

Создание GPU-ускоренной фрактальной модели с Taichi, достигая ускорения в 100×
Реализация рендеринга фракталов в реальном времени и взаимодействия
Определение улучшений существующих систем генерации фракталов

Эпидемиологическое моделирование COVID-19

MathorCup 2022

Предложение модели $SIERR-T$ с интеграцией динамики СМИ и слухов
Анализ тональности NLP на 5M комментариев Weibo
Применены методы глубокого обучения для распознавания слухов и прогнозирования трендов распространения, показавшие высокое качество на экспериментальных наборах данных
Анализ эффектов политики с использованием данных OxCGRT

📚 Публикации & Патенты

[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.

🏅 Награды & Отличия

🥈 Китайская математическая олимпиада (CMC), Национальная вторая премия (янв. 2023)
🥈 Всекитайский конкурс по математическому моделированию (CUMCM), Вторая премия провинции Шаньдун (нояб. 2022)
🥈 Математическая олимпиада провинции Шаньдун, Вторая премия провинции Шаньдун (нояб. 2022)
🥉 Конкурс математического моделирования MathorCup, Национальная третья премия (май 2022)
🥈 Олимпиада по физике провинции Шаньдун, Вторая премия провинции Шаньдун (нояб. 2021)