技术 · 市场 · 媒体 · 系统
这里整理的是我在技术、市场、媒体和系统相关方向上的代表性工作。
数据分析 · 商业研究 · 技术与媒体
Python 数据流程
数据清洗、结构化整理与分析准备。
市场研究
公司、行业、市场信号与技术趋势。
商业分析
公开披露、利润结构、运营逻辑与行业位置。
应用型机器学习
聚类、模型行为与实验评估。
视觉表达
图表、版式与可读的分析呈现。
↗关于
关于我的背景、工作和当前方向的一点说明。
我比较早接触到金融市场、计算机和数字工具。这些早期兴趣让我开始关注信息如何流动，工具如何改变人的行为，以及市场如何对新技术作出反应。
在本科阶段，我处在传媒和传播相关的学习语境中。这段经历让我不只关注内容本身，也开始关注制作流程、技术系统、视觉呈现，以及信息如何被传达给受众。
现在，我把这些兴趣更多地放在研究、分析、数据可视化和视觉表达上。Critical Mass 是目前最主要的表达窗口。我会在这里整理自己对 AI 基础设施、半导体和技术市场的观察，也会把分散的信息转化成更容易阅读的分析内容。
之后，我希望这些内容能被更多人看见，也能为想理解技术、市场和背后系统的人提供更清晰的解释。现在它仍然是一个个人研究和表达空间，但我希望它逐渐走向更清楚、更容易被理解的公共表达。
这个网站是一个简洁的项目索引，整理了我当前方向中最有代表性的作品。它连接了我在研究、分析、视觉表达和媒体相关系统中的一些工作。方法在不同系统里是一样的，变的只是问题的尺度。
技术 · 市场 · 媒体 · 系统
一个独立研究系统，追踪技术故事在哪里开始对现实世界施加压力，这些压力何时成为可验证的需求，以及需求最终形成怎样的价值、资本、瓶颈与风险分配。
技术故事 → 现实压力点 → 真实需求 → 谁受益、谁付钱、谁控制、谁担风险——用发行人层面的公开披露检验，并写成框架文章。
一个建立在 IBKR 记录之上的独立只读报告层：把投资组合查看与交易分开，并根据不同报告需求配置指标选择与视觉层级。
把每天关注领域里值得记下的事，整理成一份有来源、可回溯的简报，在 signal.aaronqinworks.com 上每日更新。
围绕商业分析、机器学习数学与数据方法展开的系统学习。
这里的工作横跨技术市场、AI 系统与信息设计——贯穿其中的是同一个问题：结构性约束如何决定一个系统能做什么，以及这对读它的人意味着什么。
AI 应用背后的算力、平台与基础设施约束。
商业模式、竞争位置和市场信号。
声音、制作流程、技术系统和数字媒体基础设施。
将分散信息整理成可使用的分析结构。
一组服务于研究项目的分析、技术和表达能力。
公司、行业和市场结构分析。贯穿 Critical Mass 的核心分析方法。
将混乱信息整理为可比较的数据、笔记和证据结构。以 Python 实现来源收集与对比整理。
将分析结果转化为清晰的视觉和网页表达。以图表和版式呈现，面向网页阅读优化。
连接媒体制作、技术流程与技术基础设施。跨领域视角来自传媒背景与技术系统研究。
面向研究、数据整理与分析沟通的一套常用工作栈。
