CV
AMAZING RESUME
牛敬业
深度学习高级算法工程师
188****1106niu****@***.com北京30男深度学习高级算法工程师在职北京30k-50k •深耕《分布式机器学习》《高性能计算》《推荐系统导论》等高阶课程，复现多篇NeurIPS/ICML论文代码，独立构建基于Transformer的长文本生成演示系统。
•加入实验室“智能医疗影像”课题组，负责病灶分割模型的轻量化改造，通过知识蒸馏技术将模型大小压缩至原来的1/5，精度损失控制在1%以内。
•主导校级“AI创新实验室”招募与运营，组织20+场技术工作坊，指导团队成员在Kaggle竞赛中斩获Bronze Medal，提升团队算法工程化水平。
•热衷开源贡献，向PyTorch官方仓库提交2个Bug Fix PR并被合并，在GitHub开源《深度学习工程化最佳实践》项目，累计Fork数500+。
深度学习算法工程师模型性能调优跨团队协作算法工程化
北京
•主导计算机视觉方向的算法研发，聚焦工业质检场景的缺陷检测问题。设计并实现了基于Transformer架构的目标检测方案，通过数据增强与难例挖掘策略，将漏检率降低至2%以下。
•负责算法在产线环境中的部署优化，利用TensorRT进行模型推理加速，单帧处理耗时从80ms压缩至25ms，满足实时检测需求。
•与硬件团队紧密配合，完成算法在边缘计算设备上的移植，建立了覆盖精度、速度、功耗的多维度评估指标体系。
•定期组织技术分享，沉淀算法开发规范，推动团队在模型版本管理与实验追踪方面的工程化实践。
高级深度学习算法工程师对话系统优化多模态理解算法上线
北京
•负责智能客服对话系统的算法升级，基于大规模语言模型构建意图识别与自动回复能力，用户问题解决率提升35%。
•设计多模态情感理解模块，融合文本、语音、表情信号，在客服质检场景中实现情绪波动预警，准确率达91%。
•推动算法服务化改造，通过模型压缩与量化技术，将推理延迟控制在200ms以内，支撑日均千万级请求量。
•与产品、运营团队建立需求对齐机制，将用户反馈转化为算法迭代方向，累计完成12次重大版本优化。
•面向汽车零部件制造场景，构建基于卷积神经网络的表面缺陷自动检测方案。采集并清洗超过5万张缺陷样本，设计数据增强策略应对光照不均、背景干扰等挑战。
•选用Faster R-CNN作为基线模型，引入注意力机制强化缺陷区域特征表达，通过硬负样本挖掘与损失函数改进，将漏检率控制在3%以内。
•针对产线实时性要求，采用模型剪枝与INT8量化技术，在保持精度的前提下将推理速度提升40%，成功部署至工控机环境。
•建立缺陷类型分类与定位的端到端流水线，输出结构化检测结果供MES系统调用，助力产线质检效率提升60%。
•针对电商平台海量商品评论，开发细粒度情感分析系统，支持正面、负面、中性三分类及情感强度评分。
•构建混合式模型架构，结合BERT语义编码与双向LSTM序列建模，引入多头注意力机制捕捉长距离依赖关系。
•设计主动学习框架，通过不确定性采样策略减少人工标注成本，在标注量减少40%的情况下保持92%以上准确率。
•系统接入商品运营后台，为选品策略与口碑监控提供数据支撑，日均处理评论量达200万条。
深耕深度学习领域多年，对算法前沿保持敏锐嗅觉与持续探索热情。日常习惯阅读顶会论文、复现经典模型，坚信扎实的数学功底与工程实践能力是算法落地的双引擎。具备较强的问题拆解与系统优化能力，善于在业务约束下平衡模型效果与推理效率。对代码质量有较高要求，注重算法可解释性与可维护性。期待在AI驱动的技术赛道中持续精进，以技术创新推动产品价值增长。
知识产权与技术影响:
持有“一种基于注意力机制的时序数据预测方法及系统”等发明专利2项，主导编写《企业级AI模型部署规范》内部标准文档；受邀在QCon全球软件开发大会发表主题演讲，分享大模型私有化部署经验。
