MIT 18.06 · Linear Algebra
建立线性代数与矩阵方法基础。
ABOUT / 研究路径
关于我
从岩土研究与海上风电工程，到深度强化学习与神经肌骨建模。
我的核心训练来自力学、计算建模与工程分析。完成中南大学岩土工程硕士学习并在金风科技从事海上基础工程后，我开始系统补足机器学习与强化学习基础，希望把既有的建模能力迁移到人体运动与神经肌骨控制问题。
教育经历
中南大学
2017.09—2024.06
- 硕士
- 岩土工程｜2021.09—2024.06｜免试攻读｜排名 6/149
- 本科
- 城市地下空间工程｜2017.09—2021.06｜排名 7/89
- 获国家奖学金。
研究经历
岩土与海工研究
中南大学｜2020—2024
- 研究方向
- 桩土相互作用、侧向承载与钢筋混凝土桩塑性发展
- 研究方法
- ABAQUS、UMAT、MATLAB 与理论模型
- 研究成果
- 第一作者论文发表于 Ocean Engineering
工作经历
金风科技
2024.07—2025.07
- 部门
- 研发中心海工结构技术部
- 岗位
- 海上基础设计工程师
- 参与固定式海上风电基础的前期与投标技术支持。
- 工作聚焦岩土参数解析、桩土相互作用建模和工程计算自动化。
- 使用 SACS、PLAXIS 与 MATLAB 开展单桩参数化分析、有限元 p-y 曲线标定和疲劳校核。
- 参与内部岩土设计指南及技术平台建设。
当前状态
CS285 · Deep Reinforcement Learning
进行中
- 学习重点
- 核心算法的推导、实现与实验
- 下一里程碑
- 复现 MS-Human-700 系列的核心模型与训练结果
- 进度
- 完成 CS285 后开始，目前尚未开始
学习路径
这是一条围绕能力递进组织的路径，不是课程证书陈列。
Andrew Ng · Machine Learning
形成机器学习问题、模型与优化的基本框架。
Karpathy · Neural Networks: Zero to Hero
从零实现神经网络，理解训练过程中的关键机制。
李沐 · 动手学深度学习（D2L）
系统学习深度学习模型，并把原理落实到代码与实验。
赵世钰 · 强化学习的数学原理
从数学角度理解强化学习的基本问题与经典算法。
Sutton & Barto · Reinforcement Learning: An Introduction
建立经典强化学习的统一框架与方法脉络。
CS285 · Deep Reinforcement Learning
当前阶段：学习深度强化学习的核心算法、推导与实现。
MS-Human-700 · Reproduction milestone
完成 CS285 后，复现 MS-Human-700 系列的核心模型与训练结果。
当前工具箱
包含过去研究中使用的工具与当前学习方向，不代表熟练度排名。
ABAQUS / UMATSACSPLAXISMATLABSANISANDCDPPythonDeep RL
保持联系
如果你也关注深度强化学习、神经肌骨建模或跨领域计算研究，欢迎通过 GitHub 交流。