研究方向

可信性机器学习，概率模型，因果推断，时空数据挖掘，异常模型挖掘

研究经历

特任研究员，大湾区大学 2024.10

可信性机器学习：可信性机器学习的理论方法研究，专注于不确定性估计，因果推断。

博士后，爱丁堡大学 2021.7-2023.7

自动化系统的可信性：自动化系统如无人驾驶汽车、飞行器，医学影像诊断设备等在实际应用过程当中存在安全性和可靠性等问题。该研究项目主要探讨了如何定义，制定及发现关于自动化系统的规范化和可约束性等问题。从政策层面结合用户，决策者和开发者，共同制定关于自动化系统的规范化准则，从技术层面开发相关算法框架，提供关于自动化系统的模型信息，针对目标检测，语义识别，任务分类，场景分割，自动决策等研究问题进行算法流程化开发。

博士后，埃因霍温理工大学 2020.9-2021.

公平，因果以及异常模型：机器学习模型在应用于自动决策领域时存在公平性和偏差性的问题，会导致决策过程对于某个敏感群体有偏向性，进而影响伦理，社会规范等问题。该项目从机器学习模型与子群体的相关关系出发，结合多种数据模型，探讨分析了公平性与数据集群体差异的相互影响关系。在技术层面，项目主要应用因果分析方法进行数据建模，异常模型挖掘方法发现子群体，产出相关算法，模型等成果。

博士， 埃因霍温理工大学 2017.2-2020.9

异常模型的不确定性：异常模型挖掘从描述统计学的角度对数据集的整体特征进行抽象化表达，进而对依赖于可描述性属性的子数据集特征进行量化表示。在优化算法的引导下，提取异常描述子集。该项目主要从数据集抽象表达的不确定性出发，探讨并研究描述统计特征在概率模型框架下的抽象总结过程，从而使异常模型挖掘得以应用于更为复杂的数据模型和现实场景。在技术层面，概率图模型，因果贝叶斯网络，以及基于上述概率模型的深度学习模型算法被应用于数据挖掘场景中提取数据集特征。一系列针对时空数据，教育学数据，交通数据等不同场景和复杂度的数据集的算法模型在项目进行过程中被实现与开发。

教育背景

博士，计算机科学，埃因霍温理工大学，2020.9

硕士，地图学与地理信息系统，武汉大学，2015.7

学士，地理信息系统，云南大学，2010.7

工作经历

研究助理， 三维城市模型， 代尔夫特理工大学 2015.9-2016.12

工作内容：基于CityGML的三维模型数据验证

算法工程师， 大数据与平台部，新浪微博 2015.1-2015.9

工作内容：基于海量数据与知识图谱的微博打标签功能实现

算法工程师， 研发部， 神州龙科技 2010.9-2012.9

工作内容：基于4G通信网络的安卓地图导航功能