DasJosh
南安普顿大学 BSc MORSE（应用数学）在读 IBM 平台工程实习生
关于我
你好，我是Josh 👋，南安普顿大学 
University of Southampton BSc MORSE（应用数学）在读学生，目前在 
IBM 伦敦担任平台工程实习生。
我对应用机器学习的兴趣源于在Dotplot的实习经历 🏥。我在那里开发了MediVisual，一个利用超声波传感器数据将乳腺癌病灶可视化的全栈诊断工具，并向50多位肿瘤科医生进行了展示。亲眼看到计算工程能够直接连接硬件与临床需求，让我想走得更深，将严格的数学和机器学习应用于真正重要的问题。
🔬 这种兴趣如今驱动着我的研究。我让PINN与有限差分求解器并行运行，研究两者在哪里以及为什么会产生偏差。我同时也在从头构建一套振动分类系统，从压电传感器装置到基于欧拉-伯努利梁理论的机器学习流程。
🧮 学术背景： BSc MORSE，预计一等荣誉学位。偏微分方程、统计建模、计量经济学和数学计算等模块为我提供了认真思考模型而非只是运行它们的工具。
💼 更多详情请参阅我的简历。
最新动态
压电谐振器分类 — 持续研究中
压电谐振器分类 — 持续研究中
🔬 正在构建一个使用Arduino压电传感器和随机森林模型的端到端振动分类流程，在五个冲击位置上达到67%的测试准确率（vs. 20%基准）。正在与欧拉-伯努利梁理论进行对比验证。
热方程PINN验证研究 — 进行中
热方程PINN验证研究 — 进行中
🔬 在同一代码库中实现了有限差分求解器和PINN，用于求解一维热方程并进行直接比较。将PINN训练至与参考求解器约0.5%的相对L2误差，并设计了时空误差热图进行诊断分析。
加入AlphaSuite担任创始工程师
加入AlphaSuite担任创始工程师
🧬 联合开发一个Python平台，使用机器学习模型对DeepMind AlphaFold预测的蛋白质结构中的结构和功能区域进行后处理和标注。
开始在IBM担任平台工程实习生
开始在IBM担任平台工程实习生
💼 加入IBM伦敦担任平台工程实习生，构建机器学习推理流程并对大语言模型提示架构进行基准测试。
纽约银行机器学习工程实习
纽约银行机器学习工程实习
🏦 在纽约银行实习，构建异常检测模型和Snowflake数据摄入流程。在BNY AI全球黑客马拉松中荣获501人中第2名。
查看我的最新作品
热方程PINN验证
热方程PINN验证
在共享Python代码库中实现了显式欧拉有限差分求解器和物理信息神经网络（PINN），用于求解一维热方程并进行直接比较。在4种网格尺寸下验证了二阶空间收敛性，然后将PINN训练至与参考求解器约0.5%的相对L2误差和约0.015的最大绝对误差。设计了时空误差热图和损失曲线，以诊断对时间步长和边界约束权重的敏感性。
压电谐振器分类
压电谐振器分类
搭建了使用压电圆片和Arduino的振动监测装置，然后从原始传感器数据构建了端到端分类流程。使用13个特征（时域RMS、能量和频谱FFT质心）的随机森林，在夹持梁的5个冲击位置上实现了67%的测试准确率（vs. 20%随机基准）。将实验数据与欧拉-伯努利梁理论进行验证，诊断出传感器质量加载和边界顺应性偏离理想分析预测的原因。
MediVisual (Dotplot)
MediVisual (Dotplot)
设计并开发了MediVisual，一个将超声波传感器数据中的乳腺癌病灶可视化在二维患者模型上的全栈诊断工具，成功向50多位肿瘤科医生进行了展示。构建了用于纵向患者跟踪和病灶增长趋势量化的MongoDB聚合流程。通过分析和索引优化将后端I/O吞吐量提升了12%，并在4周内使用Docker和CI/CD交付了生产就绪的MVP。