
2026 — 2027
南加州大学
理学硕士 · 分析学
- 统计建模与预测
- 面向决策的机器学习
- 数据工程与实验设计
加州 · 洛杉矶
关于我
Dingxin Tao,AI Native 开发者。加州大学尔湾分校计算机科学本科毕业,目前在南加州大学攻读分析学硕士,关注 AI 应用与全栈开发。
背景与实践
我的学习背景涵盖计算机科学与分析学。项目实践主要集中在 AI 应用、Web 与桌面产品开发,通过具体功能把编程、数据处理和界面设计联系起来。
目前的作品包括视频创作工作区 MultiMix、本地工作台 opc-workspace、基于 new-api 的 Omnigate,以及双语专业服务平台 As-a。项目详情中记录了各自的实现范围与当前状态。
AI 编程工具是我的日常开发方式之一。我用它们辅助分析代码、实现功能和审查改动,并通过阅读代码、运行检查与手动验证来确认结果。这个网站也采用了这样的协作方式。
我关注从需求到实际使用的完整过程,希望在 AI 应用、全栈开发或 FDE 相关岗位继续积累经验。博客记录开发方法与学习内容,便于复盘,也便于与他人交流。
教育背景

2026 — 2027
理学硕士 · 分析学
加州 · 洛杉矶

2023 — 2025
理学学士 · 计算机科学
加州 · 尔湾

2021 — 2023
计算机科学
华盛顿州 · 雪兰
学术经历
两篇围绕机器学习应用的论文,记录了我从数据分析实践到推荐系统综述的学习过程。
The Analysis of Recommendation Algorithms in Different Domains and Future Development Trends
作者: Dingxin Tao
Applied and Computational Engineering, 145, 22–28 · 会议论文集
梳理推荐方法在不同应用领域的使用方式,并讨论冷启动、数据稀疏、隐私与可解释性等问题。
Determining which physical parameters are significant for heart disease
作者: Zhuoning Li · Dingxin Tao · Jiaao Zheng · Chenhao Zhu
Journal of Physics: Conference Series, 2010, 012062 · 会议论文集
基于包含 297 条记录的公开数据集,比较不同特征组合下的分类模型表现,分析各项指标与心脏病标签的关联。这是一次早期机器学习研究实践。
项目实践
协作方式
讨论需求或审查意见时,提供场景、相关代码和预期结果,让问题能够被理解与核对。
结合项目约束比较方案,记录选择的理由与限制,并根据验证结果和反馈调整。
使用开源项目时注明来源,区分上游能力与自行实现的部分,说明 AI 工具参与的环节。
从阅读、操作和错误反馈检查界面,兼顾不同屏幕下的展示与键盘操作,让功能便于使用。