【科研成果】

以第一作者或合作作者在机器学习、计算机视觉等领域的高水平会议与期刊发表多篇论文，涵盖可解释性方法、生成模型及贝叶斯推断等前沿课题。具体论文列表详见学术主页。

【研究方向】

大方向：可解释性机器学习

细分方向：生成式建模、贝叶斯机器学习、计算机视觉

【可指导区位】

SCI1-4区，可提供相关方向的论文选题论证、研究思路打磨、文献精读、方法设计与论文写作指导。

【指导经验】

具备8年以上教学与辅导经历：曾担任教育机构主讲老师3年以上，系统讲授人工智能相关课程；在学校长期担任助教5年以上，协助教授完成多门研究生与本科生课程的教学与答疑，积累了丰富的分层指导与课堂组织经验。

【指导特点/可提供给学员的帮助】

由浅入深，拆解复杂概念：擅长将抽象的模型原理、数学推导和前沿方法，用直观的方式讲清楚，帮助学生建立系统的理解框架。

学生视角，针对性设计：能从学生的知识基础和思维习惯出发，设计课程内容与练习，避免“空中楼阁”式的教学。

理论与实战结合：不仅讲解算法原理，还注重代码实现、实验设计和论文写作的实操训练，帮助学生将想法转化为可落地的研究成果。

【科研成果】

以第一作者或合作作者在机器学习、计算机视觉等领域的高水平会议与期刊发表多篇论文，涵盖可解释性方法、生成模型及贝叶斯推断等前沿课题。具体论文列表详见学术主页。

【研究方向】

大方向：可解释性机器学习

细分方向：生成式建模、贝叶斯机器学习、计算机视觉

【可指导区位】

SCI1-4区，可提供相关方向的论文选题论证、研究思路打磨、文献精读、方法设计与论文写作指导。

【指导经验】

具备8年以上教学与辅导经历：曾担任教育机构主讲老师3年以上，系统讲授人工智能相关课程；在学校长期担任助教5年以上，协助教授完成多门研究生与本科生课程的教学与答疑，积累了丰富的分层指导与课堂组织经验。

【指导特点/可提供给学员的帮助】

由浅入深，拆解复杂概念：擅长将抽象的模型原理、数学推导和前沿方法，用直观的方式讲清楚，帮助学生建立系统的理解框架。

学生视角，针对性设计：能从学生的知识基础和思维习惯出发，设计课程内容与练习，避免“空中楼阁”式的教学。

理论与实战结合：不仅讲解算法原理，还注重代码实现、实验设计和论文写作的实操训练，帮助学生将想法转化为可落地的研究成果。