2026 · 2 个月
数据标注实习生
图灵深视（北京）科技有限公司
参与数据标注与质量检查流程，按标注规范完成任务，为模型训练提供高质量的数据支撑。
01 / 关于我
用代码和空间数据理解世界
我是史瑞祺，南京晓庄学院地理信息科学专业 2026 届毕业生，求职方向为前端工程师、机器学习工程师与 GIS 工程师。 无论是用 Google Earth Engine 分析南极海冰的时空变化，还是把数据变成直观的网页可视化， 我都喜欢亲自动手，把想法做成看得见的东西。
“把数据变成故事，把地图变成产品。
— 史瑞祺
02 / 经历
On Track · 经历
2022 – 2026
地理信息科学 · 本科
南京晓庄学院
系统学习地理信息系统、遥感、测绘与空间数据分析课程，掌握遥感影像处理、GIS 制图与空间分析等技能。
03 / 项目
Featured · 项目
三维 GIS 开发 · 作品集项目
FloodSight · 长江（南京段）洪水淹没三维模拟与分析系统
基于 Cesium 地理底座与 Three.js 渲染引擎的深度融合，在浏览器中加载南京沿江真实地形与影像， 以自定义 GLSL 水面着色器模拟洪水淹没全过程：岸线随地形实时进退、水深渐变着色、洪峰上涨动画。 对 4 万余栋 OSM 建筑与主干路网做淹没分析，提供危险性分级、受淹要素实时统计、 单点水深查询与跨江剖面分析等专业 GIS 功能。
40,625
栋 OSM 建筑白模
118万
渲染三角形
279.8
km² 峰值淹没面积
2
大三维引擎深度整合
Cesium
Three.js
GLSL Shader
Vue 3 + TypeScript
ECharts 可视化
在线体验 →
毕业论文 · 重点项目
基于 Google Earth Engine 的南极普里兹湾海冰密集度监测研究
基于 Google Earth Engine 云平台，处理 2020–2024 年共 20 个季度的 Sentinel-1 SAR 影像 （EW 模式，HH/HV 双极化），融合后向散射强度、极化比（NDPI）与 GLCM 纹理熵多特征， 构建随机森林分类模型，对南极普里兹湾海冰密集度进行逐季监测与时空演变分析。 平均总体精度 86.43%，冬季最高达 91.45%；并识别出达恩利角冰间湖（5,000–17,000 km²）的时空动态。
86.43%
平均总体精度 OA
0.858
平均 Kappa 系数
20
季度监测时段
91.45%
冬季最高精度
Google Earth Engine
Sentinel-1 SAR
随机森林
HH/HV 双极化
时空变化分析
课程项目
专业课程中完成的学习项目与实验
遥感数字图像处理
地理信息系统原理
Web 程序设计
数据库原理与应用
Java 程序设计
Python 程序设计
GIS 软件应用
GIS 三维建模
04 / 技能
Off Track · 技能
前端开发
具备网页开发基础，能够构建响应式、交互良好的页面。
HTML / CSS / JavaScript
响应式布局
网页交互
机器学习与数据处理
掌握 Python 与数据处理分析基础，了解机器学习基本原理。
Python
随机森林
数据处理
机器学习基础
GIS 与遥感
熟悉常用 GIS 软件与遥感影像处理，具备空间数据分析能力。
ArcGIS / QGIS
Google Earth Engine
Sentinel-1 SAR
遥感影像处理
三维建模
05 / 联系
让我们保持联系
正在寻找前端 / 机器学习 / GIS 方向的实习与全职机会，欢迎任何形式的交流。
通常会在 24 小时内回复。