AMAZING RESUME
牛敬业
数据挖掘技术经理
常怀探索之心，以实干沉淀自身价值
188****3730niu****@***.com北京35男数据挖掘技术经理在职北京30k-50k •主持校级创新项目“基于用户行为流的实时推荐引擎”，设计并实现Flink+Redis的高并发推荐管线，QPS达5000以上，获优秀结题答辩。
•在阿里云天池“工业设备故障预测”赛道中，利用XGBoost与时序特征工程冲入Top 5%，独立完成特征构造与模型融合，验证了快速迭代能力。
•作为技术骨干参与实验室“分布式图数据库原型系统”研发，负责Cypher解析与执行引擎优化，支撑百万节点子图百毫秒查询。
•获ACM-ICPC亚洲区域赛银牌，具备高强度算法设计与代码实现能力，熟悉C++/Python多语言混合编程优化。
数据挖掘技术经理数据挖掘团队管理推荐算法用户增长
北京
•在字节跳动任职期间，负责内容推荐与增长算法的团队管理，带领10人团队进行数据挖掘项目的规划与实施。
•主导短视频推荐引擎的算法迭代，引入多任务学习与注意力机制，使核心用户日均使用时长提升18%，视频播放量增长22%。
•推动用户增长专项，通过构建用户生命周期模型与流失预警系统，结合强化学习优化Push策略，季度新增激活用户提升13%。
•搭建并优化线上实验平台，集成分层抽样与方差缩减技术，支撑每日数百个A/B测试，策略迭代效率提升40%。
高级数据挖掘工程师算法工程社交网络分析内容理解实时计算
北京
•在腾讯，主要参与社交网络分析与内容理解相关的算法研发工作。
•研发社交关系图谱挖掘算法，基于图神经网络识别关键传播节点，应用于广告定向投放，使广告点击率提升16%，单客户获客成本降低12%。
•主导视频内容智能审核项目，利用多模态预训练模型对视频、音频、文本进行联合理解，违规内容识别准确率达到99.2%，人工审核量减少70%。
•优化实时数据处理链路，采用Flink与Kafka构建流式特征计算平台，将特征生成延迟从分钟级降至秒级，支撑在线推理场景的实时化需求。
•负责用户增长与留存分析项目，带领团队制定数据采集方案，整合用户行为、交易与活动日志，构建全链路数据资产。
•运用生存分析与随机森林构建用户流失预测模型，识别高危流失群体并设计定向挽留策略，使30日用户留存率提升10%。
•基于RFM模型与聚类算法（K-means++）建立用户价值分层体系，为高价值用户配置专属权益，高价值用户转化率提升15%。
•设计并落地自动化AB实验框架，集成多种统计检验方法，支持多指标并行评估，显著缩短策略迭代周期。
•主导内容安全审核项目的技术方案设计，采用BERT与RoBERTa等预训练大模型构建违规文本分类器，覆盖色情、暴力、谩骂等十余种违规类型。
•组织构建大规模标注数据集，引入主动学习策略，仅需标注30%的样本即可达到全量标注的性能，标注成本降低60%。
•通过模型蒸馏与量化压缩技术，将推理模型大小压缩至原来的1/5，部署在边缘GPU节点上，单条内容审核延迟从200ms降至40ms。
•建立模型持续监控与自动更新机制，当业务数据分布发生偏移时，自动触发模型微调，保持线上准确率稳定在99.5%以上。
对从海量数据中提炼规律、构建可解释的模型充满热情，习惯用严谨的实验设计验证假设，并坚持代码与文档的整洁可复现。具备扎实的算法功底与工程落地能力，能够将业务问题转化为可量化的技术方案，在效果与效率之间寻找平衡。乐于带领技术团队攻克难点，注重知识共享与成员成长，相信好的技术管理是激发团队自驱力。沟通时习惯从业务视角出发，用数据故事而非技术术语推动决策，希望能持续在数据挖掘领域深耕，解决真实世界中的复杂问题。
数据可视化与BI工具
深度学习框架（PyTorch/TensorFlow） 数据工程与高并发系统:
基于Kubernetes与Helm搭建自动化数据管道，集成Airflow调度与dbt转换，实现每日TB级日志的ELT处理，数据延迟低于5分钟。
设计并落地一套面向OLAP的Lambda架构，结合Kafka Streams与Druid，支撑实时看板毫秒级刷新，月均处理量超千亿条。
主导Redis Cluster与本地缓存的多级缓存方案，将高并发查询接口P99延迟从300ms降至30ms，显著提升用户端体验。
沉淀数据质量监控体系，通过Great Expectations与自定义报警规则，确保最终数据准确率高于99.99%，获团队最佳实践推广。
