Skip to main content
学术背景

以工程的角度和视野,一切豁然开朗

我的机械工程学术背景,以及它与机电一体化、数据分析和人工智能之间的交叉,不只是我工作的基础,也是我看待数据、算法、AI 和技术系统的一套重要视角。 它让我学会的不只是从模型和算法出发思考,也要从物理边界、系统行为、测量原理和工程验证出发思考。正是这种视角,让我能够把传统工程逻辑与现代数据驱动智能连接起来。

机械工程硕士

  • Karlsruhe Institute of Technology logo卡尔斯鲁厄理工学院(KIT)

专业深化方向

01机电一体化
02自动化
03数据科学与人工智能
04车辆工程

在硕士阶段,我重新理解了机械工程的本质:它不再只是传统意义上的单一工程学科,而是一门面向复杂技术系统的整体性系统科学——以物理建模与仿真为基础,以机电一体化与自动化为支撑,并被数据驱动范式进一步扩展。

我在 Data Science、Industrial AI 与 Smart Manufacturing 方向的系统性深化,根本性地拓展了我的工程视野。这一视角至今仍构成我个人技术画像的核心:在物理现实、传感网络、数据流与算法决策交汇之处进行思考与设计;以分析性、数据驱动且物理扎根的方式理解复杂系统,并将其转化为稳健、可扩展的工业解决方案。

机器学习与深度学习传感器、测量与控制工程IoT、边缘计算与嵌入式 AI云计算电池技术与电动出行机器人与机器视觉数字孪生与 XiL 验证信息物理系统预测性分析与状态监测决策支持与流程优化

机械工程学士

  • Dalian Maritime University logo大连海事大学(DMU)

专业深化方向

01能源技术
02结构设计
03传动技术
04建模与仿真

本科阶段为我奠定了宽广而严谨的传统工程科学基础:从能源系统、力学、结构设计与制造,到测量与控制工程、数值仿真、可靠性分析与寿命评估;同时也较早接触了能源与热工技术,以及系统验证相关内容。

真正塑造我工程思维的,是理论与工业实践之间的紧密连接。我学会了不只通过抽象公式或工程图纸去理解技术系统,而是将其视为由材料、载荷、能量流动、制造过程与实际使用共同构成的现实系统,并始终将其放回具体的运行条件与工业约束之中。

这种深植于物理现实的系统理解,至今仍是我的技术锚点:我不会把数据驱动方法、AI 模型或数字化系统概念当作脱离现实的抽象工具,而是始终从物理系统本身及其实际运行边界出发,理解它们、设计它们,并判断它们真正能够发挥作用的场景。

力学与机械元件传热与热管理FEM/CFD 数值仿真制造与生产可靠性分析质量管理寿命分析计算机辅助建模功能验证