牛敬业
188****9804niu****@***.com北京30男数据挖掘工程师在职北京25k-35k •系统学习了分布式存储与计算、大规模数据处理技术、自然语言处理等前沿课程，并完成多个基于真实大数据的课程设计，如构建实时日志分析平台。
•参与了一项基于图神经网络的数据库查询优化研究，负责搭建Spark集群处理TPC-H数据集，使用GraphSAGE建模查询计划，并优化了索引选择策略，相关成果投稿至数据库顶会。
•熟练掌握Python、SQL及Flink等流处理工具，曾在天池大数据竞赛中负责特征工程与模型搭建，通过自动化特征生成和模型融合，将F1-score提升至0.92，积累了丰富的实战经验。
数据挖掘工程师广告推荐用户画像模型开发数据仓库
北京
•在腾讯担任数据挖掘工程师期间，主要负责以下工作：
•参与公司广告推荐系统的优化，对用户点击、曝光等行为数据进行清洗与特征工程，构建高维稀疏特征。采用XGBoost、DeepFM等模型进行CTR预估，并通过线上线下A/B测试验证效果，最终使广告点击率提升12%，覆盖千万级用户。
•负责用户生命周期价值（LTV）预测项目，运用生存分析和梯度提升树模型，结合用户在游戏内的行为序列，预测中长期付费潜力，为精细化运营策略提供支持，使高价值用户识别准确率提升20%。
•与数据平台团队紧密协作，参与数据仓库分层设计与ETL规范制定，使用Spark和Hive进行大规模数据加工，优化数据查询链路，使关键数据报表的产出时间缩短30%。
资深数据挖掘工程师风控建模反作弊实时计算模型调优
北京
•在阿里巴巴担任资深数据挖掘工程师期间，承担了以下重要职责：
•主导电商风控模型的研发，针对交易欺诈、盗卡等风险场景，整合海量用户行为、设备指纹及关系网络数据。应用图神经网络和集成学习算法构建多层风险识别模型，通过持续特征迭代与参数调优，使模型准确率提升至93%以上，有效拦截了数百万次风险交易。
•带领团队实施反作弊项目，设计实时特征计算框架，基于Flink和Kafka处理日均亿级事件流，实现对异常行为的毫秒级识别。该项目上线后，为公司挽回经济损失数千万元，并沉淀了一套可复用的实时风控算法组件。
•参与数据中台架构优化，针对离线处理链路进行治理，重构Hive分区策略并引入列式存储格式，使核心数据查询延迟降低40%。同时制定数据质量监控标准，搭建自动化稽核平台，保障了数据服务的稳定性与一致性。
•在腾讯的广告推荐项目中，作为核心成员，负责从原始日志中提取用户上下文特征、广告创意特征及历史交互特征，构建千亿级训练样本。
•利用GBDT进行特征组合与选择，再结合DNN模型进行联合训练，设计在线学习机制使模型实时捕捉用户兴趣变化。
•通过多轮A/B测试，新模型在头部广告位上的点击率相对基线提升10%，同时保持消耗平稳，覆盖日均亿级请求。
•在阿里巴巴的支付安全项目中，针对信用卡盗刷、虚假交易等场景，从海量交易流水、设备环境和社交关系数据中挖掘高风险模式。
•采用孤立森林、自编码器等无监督算法检测异常交易，结合有监督的CatBoost模型进行精细化判定，并设计模型集成策略提升召回率。
•模型上线后，欺诈交易识别率提升至99.5%，年均减少资损逾千万，同时误伤率控制在0.1%以下，获得业务方高度认可。
对数据挖掘始终坚持从数据中寻找真相与价值的热情，习惯反复推敲特征工程与模型调优，享受从杂乱信号中提炼规律的过程。为人严谨务实，面对复杂业务问题能保持冷静拆解，对数据质量有天然洁癖，不放过任何异常波动。技术栈以Python生态为核心，熟练运用主流机器学习与深度学习框架，具备独立完成全流程建模及工程化部署的能力。善于在团队中充当桥梁，能清晰表达技术洞见并推动跨部门协作，曾多次主导数据项目按期交付。期望在数据挖掘岗位持续精进，用扎实的分析能力为企业决策注入数据智慧。
数据可视化与BI看板:
熟练使用Grafana与Prometheus搭建数据库监控看板，实时展示MySQL慢查询、连接数、缓冲池命中率等关键指标，帮助DBA快速定位性能瓶颈。
在数据仓库运维项目中，设计了基于Superset的多维分析报表，结合数据血缘信息，让数据工程师直观追踪ETL任务状态与数据质量，大幅降低故障排查时间。
学术论文:
在《VLDB Journal》上发表了题为《基于深度强化学习的数据库参数自动调优》的论文，提出一种结合工作负载感知的自动调参框架，在PostgreSQL上实验显著降低了查询延迟，彰显了在数据工程与机器学习交叉领域的研究能力。
