Skip to main content
學術背景

以工程的角度和視野,一切豁然開朗

我的機械工程學術背景,以及它與機電一體化、數據分析和人工智能之間的交叉,不只是我工作的基礎,也是我看待數據、算法、AI 和技術系統的一套重要視角。 它讓我學會的不只是從模型和算法出發思考,也要從物理邊界、系統行爲、測量原理和工程驗證出發思考。正是這種視角,讓我能夠把傳統工程邏輯與現代數據驅動智能連接起來。

機械工程碩士

  • Karlsruhe Institute of Technology logo卡爾斯魯厄理工學院(KIT)

專業深化方向

01機電一體化
02自動化
03數據科學與人工智能
04車輛工程

在碩士階段,我重新理解了機械工程的本質:它不再只是傳統意義上的單一工程學科,而是一門面向複雜技術系統的整體性系統科學——以物理建模與仿真爲基礎,以機電一體化與自動化爲支撐,並被數據驅動範式進一步擴展。

我在 Data Science、Industrial AI 與 Smart Manufacturing 方向的系統性深化,根本性地拓展了我的工程視野。這一視角至今仍構成我個人技術畫像的核心:在物理現實、傳感網絡、數據流與算法決策交匯之處進行思考與設計;以分析性、數據驅動且物理紮根的方式理解複雜系統,並將其轉化爲穩健、可擴展的工業解決方案。

機器學習與深度學習傳感器、測量與控制工程IoT、邊緣計算與嵌入式 AI雲計算電池技術與電動出行機器人與機器視覺數字孿生與 XiL 驗證信息物理系統預測性分析與狀態監測決策支持與流程優化

機械工程學士

  • Dalian Maritime University logo大連海事大學(DMU)

專業深化方向

01能源技術
02結構設計
03傳動技術
04建模與仿真

本科階段爲我奠定了寬廣而嚴謹的傳統工程科學基礎:從能源系統、力學、結構設計與製造,到測量與控制工程、數值仿真、可靠性分析與壽命評估;同時也較早接觸了能源與熱工技術,以及系統驗證相關內容。

真正塑造我工程思維的,是理論與工業實踐之間的緊密連接。我學會了不只通過抽象公式或工程圖紙去理解技術系統,而是將其視爲由材料、載荷、能量流動、製造過程與實際使用共同構成的現實系統,並始終將其放回具體的運行條件與工業約束之中。

這種深植於物理現實的系統理解,至今仍是我的技術錨點:我不會把數據驅動方法、AI 模型或數字化系統概念當作脫離現實的抽象工具,而是始終從物理系統本身及其實際運行邊界出發,理解它們、設計它們,並判斷它們真正能夠發揮作用的場景。

力學與機械元件傳熱與熱管理FEM/CFD 數值仿真製造與生產可靠性分析質量管理壽命分析計算機輔助建模功能驗證

我的技術原則

01 / 06

清晰優先於複雜

如果無法解釋一個複雜系統,說明還沒有真正理解它。技術工作應該能被更廣泛的人理解,而不是只在專家之間自我循環。

02 / 06

可量化是基礎

無法測量或驗證的改進,很容易停留在主觀判斷。如果說某件事被優化了,就應該能夠指出具體發生了什麼變化。

03 / 06

數據是決策依據

數據不是用來點綴幻燈片的裝飾品。它是判斷、決策和可靠技術行動的基礎。

04 / 06

有意義的自動化

好的自動化應該增強人的行動能力。它應減少心智負擔,而不是製造比它帶來的價值更多的維護成本。

05 / 06

經得起現實檢驗

方案要能承載真實系統,而不只是在 demo 環境裡成立。生產條件、既有基礎設施、人的實際工作流,都不是附屬條件——它們就是問題本身的一部分。

06 / 06

遷移優於重建

不必每次都從零開始。有針對性地遷移、適配並使用成熟方案,往往比完全重建更快、更穩健,也更誠實。