在大学期间，系统学习了计算机相关的专业课程，包括数据结构、算法设计、操作系统等，为后续的职业发展奠定了坚实的理论基础。积极参与学校组织的编程竞赛和项目实践，锻炼了自己的动手能力和团队协作能力。

• 负责自动驾驶大数据平台的架构设计与优化，参与搭建了分布式数据存储和计算框架，支撑了海量自动驾驶数据的高效处理，数据处理吞吐量提升了 30%。
• 主导数据清洗与预处理流程的开发，通过优化算法和数据处理逻辑，将数据质量合格率从 85%提升至 95%以上。
• 与算法团队紧密合作，提供高质量的标注数据，助力自动驾驶算法模型的训练与优化，推动多个算法模型的准确率提升 5 - 10 个百分点。

• 参与公司大数据平台的建设，负责数据采集模块的开发，实现了多源数据的实时接入，日采集数据量达到 TB 级。
• 设计并开发了数据仓库模型，构建了星型/雪花型架构，优化了数据查询性能，使复杂查询响应时间缩短了 40%。
• 带领团队完成数据可视化系统的开发，为业务部门提供直观的数据展示和分析工具，提升了业务决策效率。

• 项目背景：随着自动驾驶车辆的增多，产生了海量的传感器数据（如摄像头、雷达数据等），需要对这些数据进行高效管理和分析，以支持自动驾驶算法的优化和车辆性能的评估。
• 项目内容：作为核心开发人员，负责设计数据存储方案，采用分布式文件系统和列式数据库相结合的方式，存储了超过 10PB 的自动驾驶数据。开发数据清洗和特征提取算法，从原始数据中提取出 50 多种关键特征，为算法团队提供高质量的训练数据。搭建数据实时分析平台，实现了对车辆实时运行数据的监控和异常检测，响应时间达到毫秒级。
• 项目成果：数据存储成本降低了 20%，数据查询效率提升了 50%，为自动驾驶算法的迭代优化提供了有力的数据支持，相关算法在实际道路测试中的准确率提升了 8%。

• 项目背景：公司业务快速发展，原有的数据处理架构无法满足日益增长的数据量和复杂的业务分析需求，需要构建新一代大数据平台。
• 项目内容：参与平台整体架构设计，负责数据接入层的开发，实现了 Kafka 集群的搭建和优化，支持每秒万级的数据写入。开发数据处理流程，运用 Spark Streaming 进行实时数据处理，处理延迟控制在 1 秒以内。构建数据质量监控体系，通过自定义规则和机器学习算法，自动检测数据质量问题，数据质量问题发现及时率达到 99%。
• 项目成果：大数据平台上线后，数据处理能力提升了 3 倍，支撑了公司新业务的快速拓展，数据驱动的业务决策周期缩短了 50%。