丁佳乐

关于我

• 目前于浙江大学攻读遥感与地理信息系统专业博士学位（预计2026年6月毕业）。
• 本科毕业于浙江大学地球科学学院，地理信息科学理学学士（2017.09 - 2021.06）。

研究兴趣

• 空间分析：计量地理学、时空大数据分析与可视化
• GeoAI：深度学习方法在地理信息科学中的应用，近期也在积极探索大语言模型和GIS的有机结合
• GIS开发：云原生GIS系统的架构设计与研发和运维

成果

• A neural network model to optimize the measure of spatial proximity in geographically weighted regression approach: A case study on house price in Wuhan. 2024. International Journal of Geographical Information Science. 第一作者. https://doi.org/10.1080/13658816.2024.2343771
• Using an attention-based architecture to incorporate context similarity into spatial non-stationarity estimation. International Journal of Geographical Information Science. 2025. 学生一作. https://doi.org/10.1080/13658816.2025.2456556
• GNNWR: An open-source package of spatiotemporal intelligent regression methods for modeling spatial and temporal nonstationarity. Geoscientific Model Development. 2024. 共同一作. https://doi.org/10.5194/gmd-17-8455-2024
• 基于TD-GNNWR的武汉市房价因子空间非平稳性研究. 2024. 地理学报. 学生一作. https://doi.org/10.11821/dlxb202408005
• 发明专利1项：《基于时空资产目录的跨源数据检索方法、介质及设备》
• 软件著作权6项：《时空大数据治理系统》，《遥感大数据管理服务系统》，《云原生时空信息可视化引擎软件》，《云原生时空信息数据引擎软件》，《云原生时空信息云平台》，《全时空对象大数据引擎软件》

项目经验

国家重点研发计划：全球综合观测大数据知识化管理与服务平台研制

• 项目主页：https://www.zjufuxi.cn
• 学生项目组组长
• 主要工作：
  • 参与构建系统对多源异构数据（包括遥感影像、矢量数据、流场数据等）以及计算模型的统一管理框架，实现数据的高效整合与协同处理。
  • 研发FuxiWorkflow，基于Airflow等开源技术，在Kubernetes（K8s）基础设施上实现模型镜像的灵活编排与零代码在线弹性计算，大幅提升模型部署与计算效率。
  • 独立完成前后端项目以及Nginx、Ceph、Redis、PgSQL、Elasticsearch、Harbor等中间件的部署与维护工作，确保系统的稳定运行与业务代码的高效执行。

国家重点研发计划：对象空间建模理论与时空大数据引擎

• 学生项目组组长
• 主要工作：
  • 参与设计时空大数据引擎的整体架构，实现对海量时空数据的高效管理、智能服务以及“数据-知识-模型”的深度耦合分析，为时空大数据的智能化应用提供核心支撑。
  • 积极开展云原生实践，将后端系统拆解为多个微服务，优化开发流程与资源分配，借助Jenkins实现前端代码的持续集成与持续部署（CI/CD），显著提升开发效率与软件质量。
  • 参与构建数据网络管理系统，研发基于JDBC、STAC、S3等多协议的数据中台，实现数据的灵活接入与高效管理，为时空大数据的共享与应用提供坚实基础。

国际大科学计划：深时数字地球 Deep-time Digital Earth (DDE)

• 项目主页：https://www.ddeworld.org
• 主要工作：
  • 参与DDE大平台（https://deep-time.org）自alpha版本起的后端工作，实现对长尾地学数据的高效接入与复杂计算，为全球地学研究提供重要数据支持。
  • 结合国家重点研发计划项目成果，参与构建DDE云平台，实现全数据全服务的云端部署，推动地学数据与服务的数字化转型与全球化共享：
    • 依托数据网络管理系统，支撑DDE实现了对互联网长尾数据的接入。
    • 基于FuxiWorkflow和JupyterLab，实现了使用DDE在线数据进行在线计算的能力。

开源项目：时空智能回归模型库

• 项目地址：https://github.com/zjuwss/gnnwr
• 基于Pytorch框架开发并维护一套专门针对时间/空间非平稳数据的回归建模模型库，为时空数据分析提供强大的算法支持。
• PyPI下载量超过34,000次，GitHub仓库获得100+ Star。

技能特长

• 编程与框架：精通Java、Python等编程语言以及SQL，熟练掌握Pytorch等深度学习框架，具备扎实的编程基础与算法实现能力，能够快速构建与优化各类算法模型。
• 大模型部署与应用：具备DeepSeek-R1-671B、Qwen2.5-Coder-32B、StableDiffusion等大模型的部署与使用经验，熟悉大模型的调优与应用场景，能够将大模型技术有效应用于实际业务需求，为AI预研岗提供强大的技术支持与实践经验。
• Web开发与架构：熟悉Web项目的整体架构设计与业务流程，熟练掌握Springboot等后端框架，能够独立完成Web应用的开发与部署工作；熟悉常用中间件（如Nginx、Redis、PgSQL等）以及基础设施软件（如Ceph、Elasticsearch、Harbor等）的配置与管理，保障系统的高效运行与稳定性。
• 系统运维与部署：熟悉Linux系统的基本操作与运维管理，具备容器技术（如Docker）与Kubernetes（K8s）的基本操作能力，能够熟练进行系统的部署、监控与优化工作，确保服务的高可用性与高性能。