教育经历

浙江大学 - 硕士985211双一流

2013.09-2016.06

计算机科学与技术

•在项目中主导了基于Transformer的文本生成模型设计与优化，提出了引入相对位置编码的改进方案，相关成果形成2篇会议论文。

•组队参加天池大数据竞赛的“电商评论情感分析”赛道，通过集成预训练BERT与对抗训练策略获得银牌，锻炼了数据清洗与模型调优能力。

工作经历

北京某智联科技有限公司 - 研发部技术驱动型企业智能制造先锋

2016.07-2019.12

深度学习工程师工业视觉模型优化边缘部署

北京

•负责公司工业视觉检测算法的研发，针对产品表面缺陷检测，优化了YOLOv5模型，将漏检率降低至0.5%以下。

•主导了自动驾驶感知模块的算法开发，实现多传感器融合目标检测，应用于某车企的L4级无人驾驶方案，为公司获得千万级合同。

•推动算法在边缘计算设备上的部署，与硬件部门协同，实现了实时推理，提升了产品智能化水平。

北京某智能科技公司 - 人工智能研发部创新驱动型企业AI技术先锋

2020.01-2022.06

资深深度学习工程师推荐系统分布式训练模型优化

北京

•主导公司核心推荐系统的深度学习模型升级，采用Transformer与多任务学习架构，使点击率提升15%。

•优化了模型训练pipeline，通过混合精度训练与分布式策略，将训练时间缩短40%，提高了研发效率。

•负责团队技术建设，培养3名初级工程师，组织内部技术分享，提升了团队整体的研发效能。

项目经历

工业缺陷检测平台 - 核心成员

2017.03-2018.12

北京某智联科技有限公司

•该项目是一个基于深度学习的工业视觉缺陷检测平台。

•作为核心成员，负责设计并实现基于ResNet的缺陷分类模型，以及基于Faster R-CNN的缺陷定位模型。

•利用数十万张工业现场图像进行训练，模型在生产线上的误检率低于0.3%。

•该平台已成功部署于多家制造企业，大幅提升了质检效率，降低了人力成本。

智能驾驶感知系统 - 深度学习开发

2020.03-2021.06

北京某智能科技公司

•参与了一个智能驾驶感知系统项目，主要负责视觉感知模块的开发。

•构建了基于BEV感知的3D目标检测模型，融合激光雷达与摄像头数据，实现了对车辆、行人等障碍物的精准识别。

•通过模型剪枝和量化，使模型在车载芯片上达到实时推理性能。

•该项目成功应用于某新能源车型，提升了自动驾驶的安全性和稳定性。

技能专长

深度学习框架（PyTorch/TensorFlow）

计算机视觉算法

模型优化与部署

荣誉奖项

年度技术创新奖

其他信息

学术影响:

在人工智能顶级会议（如AAAI、ICLR）上以第一作者发表2篇深度学习相关论文，其中一篇关于“动态图神经网络”的论文被引用超200次，并受邀在多个国际研讨会上做口头报告。

1 / 1

牛敬业

188****0456

niu****@***.com

北京

男

深度学习工程师

在职

北京

25k-35k

个人总结

我始终对让机器理解图像与语言充满探索欲，喜欢钻到模型细节里追求更优的推理效率与精度；习惯以工程化思维拆解问题，重视代码规范与实验可复现性；在模型剪枝、量化部署与多模态学习方面有扎实积累，熟悉 PyTorch/TensorFlow 生态下的全流程开发；保持阅读前沿论文的节奏，乐于将新思路转化为可落地的改进，期待在具有挑战性的感知与认知任务中持续创造价值。