负责职业教育用户全生命周期学习行为数据的挖掘与分析，驱动课程迭代、教学策略优化及个性化学习方案落地，覆盖用户从选课、学习到结课转化的全链路数据闭环。

• 主导搭建职业教育用户学习行为标签体系，基于Hive+Spark构建多维度数据仓库，整合课程互动、作业提交、测试成绩等12类行为数据，设计37个动态标签（如“高频错题知识点偏好”“周学习时长波动系数”），解决此前标签颗粒度粗（仅8个静态标签）导致的个性化推荐准确率低问题，上线后推荐系统CTR提升29%。
• 核心参与“Python编程课”效果优化项目，运用漏斗分析定位到“实验环节流失率高达41%”的关键卡点，结合用户调研数据与XGBoost机器学习模型识别影响因素，提出“增加实时代码纠错弹窗+分步引导视频”优化策略，推动该环节流失率降至18%，课程完课率从63%提升至79%。
• 重点优化学员续费率预测模型，针对传统逻辑回归模型泛化能力不足的问题，引入LightGBM算法融合用户基本属性、学习投入度（日均学习时长/知识点掌握率）、社群互动频次等23个特征，将模型AUC从0.78提升至0.86，助力运营团队精准触达高潜流失学员，季度续费率从51%提高至65%。
• 搭建教学质量监控看板，基于Tableau开发可视化平台，整合教师授课时长分布、学生提问响应速度、章节测试通过率等18项核心指标，设置“单节课程互动率＜30%”“连续3次作业正确率下降＞15%”等预警规则，帮助教学管理部门提前干预低效课堂，季度内教学质量投诉量减少42%。

聚焦职业技能培训场景，通过数据挖掘辅助课程设计与学员学习效果提升，支撑教研决策与运营策略制定。

• 独立完成“UI设计入门课”学员学习路径分析，使用SQL提取近3期学员的页面停留、视频倍速、笔记记录等行为数据，通过K-means聚类分析划分出“快速通关型”“深度钻研型”“被动跟随型”3类学习群体，针对性提出“精简案例库+拓展资源包”的分层内容策略，该课程学员满意度从82%提升至91%。
• 参与教研部“Java开发进阶课”迭代项目，运用Apriori关联规则算法挖掘知识点关联关系，发现“数据库事务处理”知识点掌握率＜60%的学员，后续“微服务架构”章节测试不通过率高达75%，推动教研团队调整知识衔接顺序并增加事务处理实战练习，迭代后相关章节测试通过率提升34%。
• 设计学员学习动力评估体系，结合NPS问卷调查数据与行为数据（如连续登录天数、主动提问次数），构建包含“内在兴趣”“外部激励”“自我效能感”3个维度的评估模型，输出学员动力画像，为运营团队提供“高动力学员推送进阶课程”“低动力学员触发激励任务”的差异化运营建议，试点班级学员退课率下降19%。
• 搭建课程内容热度分析模型，基于文本挖掘技术对学员评论、搜索关键词进行情感分析与主题提取，识别“项目实战案例少”“理论讲解过深”等高频反馈，推动教研部门优化课程结构，新增15个企业真实项目案例，课程好评率从85%提升至93%。

协助搭建教育数据基础框架，参与学员行为数据采集与初步分析，支持教学运营的基础数据需求。

• 负责学员行为数据埋点方案设计与落地，梳理课程浏览、报名、学习、评价等关键节点，输出32个埋点需求文档，协调技术团队完成埋点开发与测试，实现用户行为数据从无到有的标准化采集，数据完整性从75%提升至98%，为后续深度分析奠定基础。
• 开发学员留存分析自动化模板，使用Excel VBA编写数据处理脚本，实现周度留存数据的自动清洗、漏斗计算与可视化呈现，定位到“选课后3天内未启动学习”的流失占比达55%，推动运营部门发送“学习指南+1元试听课”定向提醒，季度首课启动率从47%提升至62%。
• 协助教研部门完成“会计实操课”教学方式对比分析，通过T检验验证直播、录播、混合式三种教学模式下学员作业正确率（p＜0.05）与考试通过率（p＜0.01）的显著性差异，输出“混合式教学组通过率高12%”的结论，支撑教研部将该模式推广至其他实操类课程。
• 搭建教师授课质量基础指标库，整合课时完成率、学生互动回复率、作业批改及时率等9项量化指标，生成月度教师授课质量报告，为教学主管提供排名与改进建议，推动后20%教师的互动回复率从65%提升至82%。

K12阶段AI个性化作业系统从0到1落地及规模化迭代项目

• 项目背景：国内K12教培机构普遍面临作业同质化严重、教师日均批改时长超2.5小时/人、学生错题复发率达40%的痛点，家长与学校对“减负增效”需求迫切。我的核心目标是通过AI技术打造“精准推送-自动批改-薄弱诊断-辅导闭环”的个性化作业系统，助力机构降本提效，同时推动公司从“工具提供商”向“教学解决方案商”转型。
• 关键难题：初期遇到两大核心瓶颈——一是学生知识漏洞诊断准确率低，传统规则引擎仅能覆盖80%常见错题，“跨知识点综合应用”类错误识别率不足65%；二是大规模个性化作业生成效率低，单班级50人差异化作业需1小时/天，无法满足高频使用需求。我针对性引入“知识图谱+多模态学习分析”双引擎，联合北师大教育研究院梳理6大学科1200+细分知识点，建立标准化标注库，并将“作业行为序列”（答题时间、修改路径）纳入模型特征，同时用“模板化组件+AI动态组合”技术压缩生成时间。
• 核心行动：1. 主导跨部门协同，每周组织产品、算法、教研、销售四方会议，对齐北京某重点中学“作业难度匹配期中大纲”等一线需求，推动模型快速迭代；2. 设计“试点-反馈-优化”闭环，选取北京、上海5所头部机构作为种子用户，收集1200+份问卷后，将错题解析从文字版改为动画版，理解率提升28%；3. 攻坚技术难点，优化深度学习模型参数，最终将综合类错误诊断准确率提升至92%。
• 项目成果：系统上线6个月合作机构达120家（含20所区域头部连锁），教师日均批改时长缩短至1.2小时（下降52%），学生错题复发率降至15%；助力公司获“2023年度教育科技创新产品奖”，对应产品线年营收从300万增至435万（增长45%）；形成《K12 AI个性化作业实施指南》，成为行业参考标准。我个人也完成了从“产品经理”到“全链路解决方案负责人”的角色跃迁。

职业教育AI+VR一体化实训平台定制化搭建项目

• 项目背景：国内职业教育企业普遍存在“实训资源分散、复杂场景无法训练”的痛点——某电商运营机构反映，传统模拟实训仅覆盖“店铺装修”等基础环节，“用户画像分析”“大促策划”等复杂场景缺失，学员就业后需1-2个月才能上手；同时企业实训成本高（单学员月均耗材+师资超800元）。我的目标是搭建“AI+VR”实训平台，模拟真实工作场景，提升学员实操能力、降低企业成本。
• 关键难题：一是跨岗位场景泛化难，电商运营与机械维修的实训逻辑差异大，初期AI模型无法适配多场景；二是企业迭代需求响应慢，某机械维修企业要求“增加发动机故障排查动态场景”，传统开发需2周，无法满足快速变化的需求。我采用“模块化架构+场景库”设计，将内容拆分为“技能点模块”（如“ROI计算”“螺栓扭矩”）与“场景模块”（如“618大促”“故障排查”），并引入低代码配置工具。
• 核心行动：1. 主导需求拆解，访谈10家企业培训负责人，梳理200+核心岗位技能点，形成《职业教育实训技能图谱》；2. 创新低代码工具，让企业培训师可拖拽组件自定义场景，将新增场景时间从2周缩至2天；3. 打造“学-练-考-评”闭环，AI实时捕捉学员操作错误（如电商“关键词设置”失误），立即推送“原因+改进方案”，并通过VR模拟“客户拒绝”场景提升应变能力。
• 项目成果：平台落地3家大型职教企业，覆盖电商、机械维修、幼儿保育6个岗位，学员实操考核通过率从70%升至95%，企业实训成本降低25%（单学员月均600元）；帮助合作企业学员就业率提升18%（从82%到95%），某电商企业因此新增3个合作院校；积累“职业教育AI实训”解决方案经验，后续复制到5家新客户，贡献120万年营收。此项目让我具备了跨行业需求拆解与大客户方案落地的能力。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。