新加坡南洋理工大学-新东方前途出国

1. 学术背景： - 哥伦比亚大学硕士GPA 3.73/4.33，本科（里海大学）GPA 3.61/4.0，辅修应用数学； - 量化课程：概率统计、微积分、控制理论（机器人方向）。 2. 技术能力： - 算法开发：Transformer/Stable-Diffusion模型应用（Genia Tech）、多目标检测算法（Mobileye）、雷达SLAM（Horizon Robotics）； - 数据处理：PySpark/Pandas大规模GPS数据匹配（100,000+条/小时）。 3. 软实力： - 领导力：主导Open Street Map升级项目（解决130+问题）； - 国际化背景：中美5年留学+工作经历。

1. 跨专业壁垒：机械工程背景缺乏金融课程/实习，需证明量化能力； 2. 竞争激烈：金融工程项目偏好数学/计算机本科，需差异化竞争； 3. 职业动机：需合理解释从机器人算法转向金融的转型逻辑。

1. 学术衔接： - 在文书中构建“机器人控制→金融算法”逻辑链，强调控制理论与量化交易的相似性（如系统优化、噪声处理）； - 附数学辅修成绩单，突出概率统计课程。 2. 项目重构： - 将SLAM/3D算法项目包装为“高维时空数据分析”，匹配金融时间序列预测需求； - 突出Mobileye的PySpark项目，证明金融大数据处理能力。 3. 职业规划： - 明确“AI+金融”方向（如算法交易、风险模型），结合AI模型开发经验； - 提供Genia Tech的Transformer项目作为技术补充材料。