牛敬业
188****0485niu****@***.com北京32男资深算法测试工程师在职北京30k - 40k •完成《数据库系统原理》课程设计:实现基于MVCC的并发控制模块,通过YCSB基准测试达到99.8%事务处理成功率
•参与2023年中国大学生计算大会算法赛:设计动态规划+剪枝优化方案,在图匹配问题中突破传统贪心算法瓶颈
•组建跨学院联合项目组:协同电子学院开发自动驾驶仿真测试平台,负责场景生成引擎的故障注入模块开发
•主导NLP模型测试方案设计,覆盖语义理解、实体识别等核心模块,设计覆盖边界条件的测试数据集
•构建基于TensorFlow的模型验证流水线,实现训练数据质量校验与推理结果一致性检查
•设计压力测试场景模拟千万级并发请求,定位模型服务层延迟瓶颈并提出优化方案
•推动测试左移策略落地,在代码提交阶段自动触发算法准确率回归测试
•编写测试白皮书沉淀模型验证方法论,被团队作为标准化文档沿用至今
•带领8人团队负责电商推荐系统测试,建立分级测试策略应对日均千万级请求量
•设计跨业务线的测试数据工厂,支持个性化算法在不同用户画像下的效果验证
•推动混沌工程在推荐系统的应用,通过注入网络抖动等故障验证服务容错能力
•搭建实时质量看板,将测试覆盖率、缺陷逃逸率等指标与CI/CD流水线联动
•主导测试团队技术转型,引入强化学习优化测试用例执行路径
•项目背景:为智能音箱产品搭建端到端测试体系,验证声学模型与语言模型的联合优化效果
•测试策略:设计方言适配测试集,覆盖12种地方口音及噪声环境下的识别准确率验证
•工具开发:基于Kaldi框架定制测试脚本,实现批量音频样本的自动化转写与对比分析
•质量保障:通过压测发现模型在特定频段存在性能衰减,推动算法团队优化特征提取模块
•项目背景:支持短视频平台算法升级,需验证新排序模型对用户体验的影响
•验证方法:构建用户行为模拟引擎,生成百万级虚假流量进行A/B测试对比
•效果评估:设计多维度指标体系(完播率、互动深度等),输出算法优化效果量化报告
•技术突破:开发动态阈值调节模块,使测试系统能自适应不同内容类型的评估标准
深耕算法测试领域五年,对模型验证与系统稳定性有执念式追求。习惯用数据驱动验证逻辑,坚持编写可复现的测试用例集,认为高质量的测试体系是算法落地的安全网。擅长Python/Go双栈开发,对分布式环境下的性能瓶颈敏感,曾主导搭建智能测试调度平台。热爱在复杂业务场景中拆解问题,享受通过自动化手段提升验证效率的过程。
技术工具与技能:
基于Python设计自动化测试框架:集成Puppeteer完成前端UI回归测试,通过并发执行提升测试效率300%
采用Go语言开发高性能测试执行引擎:实现百万级请求吞吐量的压测工具,支持动态参数化脚本生成
掌握MySQL执行计划调优:通过分析慢查询日志定位索引失效问题,将核心业务接口响应时间降低至50ms以内