AMAZING RESUME
188****5671niu****@***.com北京30男数据挖掘工程师在职北京25k-35k •深入钻研了高级机器学习、分布式计算、数据挖掘导论等前沿课程，作为核心成员参与了实验室的社交媒体舆情分析课题，独立完成情感极性分类模型的搭建与优化，相关成果发表于国内知名学术会议。
•在校期间担任算法竞赛团队队长，带队参加全国大学生数据挖掘挑战赛，针对电商用户购买行为预测赛题，提出基于多模态特征融合的集成学习方案，荣获全国一等奖，锻炼了快速解题与团队协作能力。
数据挖掘工程师用户行为分析推荐策略优化数据驱动运营
北京
•主导公司核心业务线的数据挖掘与策略分析，通过构建多维度用户行为漏斗模型，深入洞察用户路径，推动推荐算法迭代，使核心推荐场景的点击率提升18%，用户人均使用时长增加12%。
•搭建并迭代客户生命周期价值（LTV）预测体系，融合交易、社交、内容消费等多源数据，实现高价值用户的精准识别与分层运营，支撑营销资源的高效分配，带动重点活动ROI提升25%。
•与产品、运营、市场等团队紧密协同，基于业务痛点提炼数据命题，将分析结论转化为可落地的产品优化方案，显著缩短了需求响应周期，沉淀了多个可复用的数据挖掘工具与模板。
腾讯 - 云与智慧产业事业群科技领军企业产业数智化
2021.01-2023.06
资深数据挖掘工程师实时特征工程风控模型研发技术团队建设
北京
•作为技术骨干，负责集团级数据中台的数据挖掘能力建设，设计并落地了面向海量日志的实时特征计算框架，将特征生产延迟从小时级降至分钟级，数据处理吞吐量提升50%。
•带领小组攻坚机器学习模型在安全风控场景的深度应用，针对账户盗用、营销作弊等风险，研发了基于图神经网络与异常检测的融合模型，使关键风险识别准确率提升至96%，误报率降低35%。
•牵头制定数据挖掘开发规范与模型评估标准，定期组织内部技术沙龙与代码评审，推动团队技术债清理，并培养多名初级工程师成长为独立项目负责人。
•项目背景：为提升本地生活服务平台商户与内容的推荐效率，需要重构排序策略，优先满足用户即时性、地域性的消费意图。
•数据处理：整合用户地理位置、搜索词、历史消费、评价偏好等多维度数据，设计时空衰减加权策略，构建高质量训练样本。
•算法应用：引入多任务学习框架，同时预估点击率、转化率与停留时长，并结合Attention机制捕捉用户兴趣演变。
•成果：线上A/B实验显示，商户详情页点击率提升22%，用户下单转化率提升16%，核心场景的搜索结果相关性显著改善。
•项目背景：面向金融科技业务，需构建一套能实时识别欺诈交易、信用违约的智能决策系统，支撑每日亿级交易量。
•数据收集与特征工程：接入设备指纹、交易流水、关联网络、外部征信等数十个数据源，通过自动化特征衍生与IV值筛选，构建了超过800维的强表征特征集。
•模型构建：采用Stacking集成框架，融合LightGBM、CatBoost和Wide&Deep模型，并针对时序序列行为引入Transformer编码器，提升模型对新型欺诈模式的泛化能力。
•成果：模型在离线评估中AUC达到0.97，上线后欺诈交易拦截率提升至92%，有效审核人力成本下降40%，单月避免潜在损失超千万元。
对从海量数据中挖掘隐藏模式始终抱有浓厚兴趣，相信好的模型能成为业务增长的隐形引擎；习惯以严谨的实验精神对待每次特征筛选与效果评估，拒绝黑箱调参。具备扎实的编程与工程落地能力，能熟练运用 Python 生态与主流机器学习框架完成从数据清洗到模型部署的全链路开发，并持续跟踪前沿技术优化方案。曾支撑过推荐系统与欺诈检测等高要求场景，善于将复杂业务问题拆解为可量化的数据任务，并主动推动跨团队协作让策略真正产生价值。
机器学习与深度学习框架（Scikit-learn, TensorFlow, PyTorch） 技术输出与社区影响力:
为开源图数据库 NebulaGraph 的分布式查询引擎提交了执行计划缓存与算子融合优化，显著降低短查询延迟，被社区审核通过并合入主分支，被多家企业用户采纳。
在知乎、Datawhale 等平台系统性输出数据挖掘与运维自动化实战专栏，其中《生产级特征监控与漂移检测方案》系列被多次转载，累计收藏量超 1.5 万，促成了多次跨公司技术交流。
