•主导设计校园能耗预测系统，融合LSTM与强化学习算法，在校级科技节中获‘最佳技术创新奖’
•参与‘AI for Science’专项课题，利用Graph Neural Network优化蛋白质折叠预测，成果被ICLR 2023接收
深度学习算法工程师模型性能优化跨职能协同技术架构设计
北京
•- 主导推荐系统深度学习算法研发，针对短视频平台用户兴趣建模，结合图神经网络提升点击率15%。
•- 优化核心产品的模型推理引擎，通过动态量化与剪枝技术减少延迟30%，支撑亿级DAU高并发服务。
•- 与产品、工程团队紧密协作，设计端到端算法方案，缩短项目交付周期40%，确保需求精准落地。
•- 深入研究大模型微调技术，引入参数高效方法（如LoRA）在资源受限场景实现高效部署，降低算力成本25%。
•- 负责模型全生命周期管理，搭建自动化训练流水线，保障实验可复现性与版本追溯能力。
深度学习算法工程师算法工程化业务指标驱动数据质量管控
北京
•- 负责搜索排序模型迭代，应用Transformer变体架构提升相关性评分，改善用户搜索满意度12%。
•- 设计多任务学习框架，同步优化点击率与转化率预测，驱动广告收入增长10%，强化业务价值闭环。
•- 处理PB级用户行为数据，执行高效特征工程与清洗策略，保障模型输入质量稳定可靠。
•- 深入理解搜索业务逻辑，将用户反馈机制实时融入训练流程，提升长尾查询召回效果。
•- 组织技术工作坊，推广SOTA算法实践，提升团队对强化学习等前沿技术的认知深度。
•- 项目背景：城市拥堵加剧，实时流量预测对智能信号灯调度至关重要，需应对多源异构数据挑战。
•- 项目目标：构建高精度时空预测模型，提升高峰期通行效率，降低碳排放。
•- 技术方案：融合GCN与Transformer架构，整合摄像头、GPS及天气数据，建模复杂时空依赖关系。
•- 项目成果：在真实城市路网测试MAPE降至8%，部署后主干道通行时间缩短12%，获市政合作项目认证。
•- 项目背景：内容平台信息过载，用户留存依赖精准推荐，需动态捕捉兴趣迁移。
•- 项目目标：打造实时推荐系统，提升用户停留时长与互动深度。
•- 技术方案：采用深度协同过滤与序列建模，融合用户行为链路与上下文特征，设计在线学习机制。
•- 项目成果：A/B测试显示点击率跃升22%，DAU增长15%，上线后支撑千万级用户日活，获产品团队嘉奖。
开源生态建设者:
- 向Apache Flink提交DataStream优化方案，通过算子融合策略将内存占用降低23%，相关特性被合并至3.0版本
- 主导开发分布式训练框架‘NeuralMesh’，支持动态图执行与混合精度训练，GitHub累计12k+ Star并入选Apache孵化器项目
- 在Kaggle竞赛中创建‘计算机视觉工具集’，提供30+预训练模型与可视化组件，获2023年度最受欢迎数据集奖
