在校期间，系统学习了计算机算法、机器学习、深度学习等专业课程，成绩优异。参与了多个科研项目，如基于深度学习的图像识别研究，锻炼了科研能力和团队协作能力。

• 负责智能驾驶感知算法的研发与优化，包括目标检测、跟踪等模块。
• 基于深度学习框架（如TensorFlow、PyTorch），实现了高精度的目标检测算法，在复杂路况下检测准确率提升至95%以上。
• 与团队成员紧密合作，完成了多个智能驾驶项目的算法部分开发，确保项目按时交付。
• 持续关注行业前沿技术，提出并实施了创新的算法优化方案，降低了算法的计算复杂度，提高了实时性。

• 主导智能驾驶决策规划算法的设计与开发，制定车辆的行驶策略。
• 构建了高效的决策模型，通过强化学习等方法，使车辆在不同交通场景下的决策更加合理、安全。
• 带领团队完成了多个量产项目的决策规划算法模块，产品已应用于多款车型。
• 积极参与技术预研，探索未来智能驾驶的发展方向，如车路协同、V2X等技术在决策规划中的应用。

• 项目背景：为了提升智能驾驶汽车在城市道路中的感知能力，开展此项目。
• 主要工作：负责目标检测算法的优化，引入新型网络架构，提高检测速度和精度。
• 技术难点：复杂城市环境下的目标遮挡、光照变化等问题。通过数据增强、模型融合等方法解决。
• 项目成果：目标检测算法在Cityscapes数据集上的mAP值达到85%，实时性满足30fps要求，已应用于公司的智能驾驶原型车。

• 项目背景：开发面向高速公路的智能驾驶决策规划系统。
• 主要工作：设计决策规划算法框架，实现车道保持、超车、跟车等功能。
• 技术创新：采用分层式决策模型，结合规则推理和机器学习方法，提高决策的可靠性。
• 项目成果：系统在实际高速公路测试中，成功完成了1000公里的无干预行驶，各项指标达到行业领先水平。