杨雪
南京农业大学（211、双一流）
计算机科学与技术 · 人工智能学院
211高校计算机科班出身，专注人工智能与计算机视觉领域。熟练掌握 Python/PyTorch，对 YOLO 系列与 UNet 等 CV 模型有深入研究。具备丰富的模型轻量化、超参数调优、知识库搭建及大语言模型应用经验。
关于我
我是一名来自南京农业大学人工智能学院的计算机科学与技术专业本科生， 专注于人工智能与计算机视觉领域的研究与应用。在校期间，我深入学习了机器学习、深度学习的理论知识， 并积累了丰富的项目实践经验，涵盖目标检测模型改进、图像分割、大语言模型应用（RAG架构）、 以及 AI 服务部署等多个方向。我注重工程化能力与技术文档沉淀，致力于将 AI 算法落地到实际应用场景中。
教育背景
南京农业大学（211、双一流）
2022.09 - 2026.06（预计）计算机科学与技术 · 人工智能学院
- •专业排名：30%，GPA：3.41
- •南京农业大学三好学生奖学金获得者
- •主修课程：Python 程序设计实验（95）、离散数学（95）、计算机组成原理（A）
- •英语水平：CET-6（484）
专业技能
编程语言
Python
Java
SQL
AI / 机器学习
PyTorch
YOLOv8/v10
UNet
LangGraph
RAG
数据与工具
NumPy
Pandas
Milvus
FastAPI
开发工具
Git
Linux
Docker
VS Code
前后端
Spring Boot
Vue
Next.js
项目经历
基于 LangGraph 的多智能体农业知识问答系统
2025.10 - 2026.01RAG 架构研发
- ▸针对异构文档设计自动化解析与清洗脚本，基于 Milvus 搭建 RAG 专属向量知识库
- ▸设计并实现基于 LangGraph 的智能体工作流，构建「意图路由→知识检索→文档评分→幻觉检测」闭环管道
- ▸引入 BGE-m3 模型优化混合检索机制，撰写系统架构与接口规范技术文档
基于 YOLOv10 的输电线路异物检测预警平台
2025.09 - 2026.01模型训练与推理部署
- ▸在 YOLOv10n 中引入 ECA 注意力机制及过采样策略，提升小目标检测召回率
- ▸使用 FastAPI 封装模型推理服务，系统级检测性能提升约 3%
- ▸参与全栈业务平台集成，实现检测结果实时可视化展示
基于 YOLOv8 & UNet3Plus 的病害检测系统
2023.09 - 2025.05计算机视觉与模型轻量化
- ▸引入 ScConv 压缩参数量，以 BiFPN 替换 PAN 结构提升特征融合能力
- ▸自主设计 MSLRA 注意力机制，精确率提升 6%、召回率提升 3%
- ▸整合叶片定位、病斑分割与严重度计算逻辑，完成端到端 AI 工作流落地