AMAZING RESUME
牛敬业
188****9464niu****@***.com北京30男深度学习工程师在职北京30k-40k •主修机器学习、计算机视觉等核心课程，参与导师主导的脑科学与AI交叉研究项目
•组织高校算法竞赛集训营，带队获全国大学生人工智能创新大赛二等奖
•开发神经符号推理开源工具包，在GitHub获2k+星标，应用于3所高校课程实践
•主导医疗影像分析系统的算法研发，设计轻量化网络结构实现肺部结节检测，在真实临床数据集上AUC提升至0.96
•重构分布式训练框架，通过动态数据并行策略使模型迭代效率提升3倍，支撑日均千万级样本处理需求
•与产品团队共建AI能力中台，封装通用特征提取与异常检测模块，推动3个垂直业务线智能化升级
•带领跨职能团队完成智慧工厂缺陷检测项目，将误报率降低42%，月均减少人工复检成本180人时
深度学习算法工程师多模态学习联邦学习AI4Science
北京
•探索多模态表征学习新方法，提出跨模态对比学习框架，在图文匹配任务中准确率较基线提升7.2%
•维护企业级深度学习工具链，开发自动超参调优组件，降低业务团队模型开发门槛
•参与联邦学习在金融风控场景的落地，设计隐私保护训练机制，在数据不出域前提下保持92%模型精度
•主导AI4Science项目，将蛋白质结构预测模型应用于药物分子筛选，缩短先导化合物发现周期40%
•项目背景：针对传统农业植保依赖专家经验的痛点，开发移动端图像识别系统
•技术方案：构建多尺度特征融合网络，结合气象数据预测病虫害爆发趋势
•实施过程：采集12类作物病害图像18万张，设计半监督学习流程解决标注成本问题
•业务价值：系统部署后覆盖200+农业合作社，诊断准确率达94%，减少农药滥用15%
•项目背景：构建智能答疑系统支持K12阶段数学/物理学科辅导
•技术方案：设计分层推理架构，融合符号规则与神经网络实现复杂问题拆解
•实施过程：整合600+教材知识点，开发可解释性模块满足教学合规要求
•业务价值：系统上线后日均问答量8万次，用户问题解决率提升27%，获教育部创新应用奖
对深度学习技术有强烈热情，长期关注模型架构创新与工程化落地实践，习惯通过系统性实验验证算法有效性。具备扎实的数学基础与编程能力，擅长多模态数据建模及分布式训练优化，能独立完成从问题定义到模型部署的全流程开发。日常注重技术社区动态追踪与开源项目参与，熟悉跨学科场景（如生物信息学、工业质检）的技术适配，期待在算法与业务深度结合的场景中持续创造价值。
学术成果:
在ICML 2023发表论文《Cross-Modal Contrastive Learning for Visual Question Answering》，提出跨模态注意力蒸馏机制
作为第二作者发表Nature Machine Intelligence综述文章《Deep Learning in Drug Discovery: Challenges and Opportunities》
技术社区贡献:
维护开源工具DeepLearnKit，累计服务开发者5000+，解决模型训练效率问题
担任Kaggle竞赛评审委员3届，指导10+团队获得金牌/银牌奖项
