李思涵 · 人工智能讲师

主导推荐系统冷启动优化，基于PyTorch研发深度学习模型，通过特征工程与结构优化使新用户推荐命中率提升22%；部署至TensorRT后，推理延迟降低35%，支撑日均10万次线上调用。

主动策划并主讲5场内部深度学习系列分享（覆盖CNN/RNN/Transformer基础与调优实践），参训同事超40人，获评部门“最佳技术分享奖”；后续2名学员独立完成子模型开发任务。

负责新人AI岗位入职培训方案设计与实施，开发为期2周的实战课程（含5个PyTorch实验模块），帮助8名新工程师在1个月内独立完成首个分类模型训练与评估，新人平均任务达成周期缩短50%。

针对生产环境模型体积与速度瓶颈，独立完成核心CV模型从PyTorch到ONNX的量化与剪枝，模型体积减小60%，推理速度提升2.3倍，月度API成功率达99.8%，减少服务器成本约30%。

针对零基础学生缺乏动手实践的问题，设计并开发8个基于Jupyter Notebook的机器学习实验案例，覆盖线性回归、决策树与KNN算法，使学员代码实操参与度从30%提升至85%。

主导编写20页结构化教学文档与配套数据集，将模型训练、评估流程拆解为可复现步骤，课程结束时90%学员能独立完成完整分类任务。

建立“概念讲解→代码演示→自主挑战”三阶教学模板，经过两轮试讲迭代，单节课知识点吸收率提升40%，后续被合作院校采纳用于同类课程。

组织4场线下答疑与代码评审会，收集并解决132个典型错误，最终课程满意度评分达4.7/5.0，优秀案例被用于学院新工科教学资源库。