AMAZING RESUME
牛敬业
数据挖掘工程师
常怀探索之心，以实干沉淀自身价值
188****6051niu****@***.com北京30男数据挖掘工程师在职北京20k-30k 北京航空航天大学 - 本科985工程211工程双一流
2014.09-2018.06
•作为核心成员参与全国大学生数据建模竞赛，负责从海量日志中提取用户行为特征，并用XGBoost构建预测模型，获得省级二等奖。
•大三时牵头发起校园数据科学工坊，组织5次校内Hackathon，带领团队完成电商直播弹幕情感分析项目，并推动项目转化为校内创新实践课程案例。
北京某金融科技公司 - 数据智能部金融科技专精特新
2018.07-2021.06
•负责公司金融风控业务线的数据挖掘，针对信贷申请、交易流水等行为数据，构建风险识别与用户分层模型，为贷前审批与贷后监控提供策略支持。
•持续优化反欺诈模型与信用评分卡，引入LightGBM、XGBoost等集成学习算法，将模型KS值提升至0.42，坏账率同比下降18%。
•与风控策略、产品运营团队紧密协作，将挖掘出的风险特征转化为可落地的规则与监控指标，推动上线了实时风险预警系统。
•参与数据中台建设，主导特征工程平台的设计，统一数据口径与特征血缘，确保数据挖掘流程的可复用性与稳定性。
北京某大型科技集团 - 数据科学中心互联网巨头多元化业务
2021.07-至今
资深数据挖掘工程师用户增长挖掘深度学习序列建模技术管理
北京
•带领数据挖掘小组负责智能营销与用户增长方向，制定整体技术方案，协调资源推进项目，确保挖掘成果与业务KPI对齐。
•主导研发了基于Transformer的用户行为序列模型，深入分析用户点击、浏览、购买等时序行为，实现精准的偏好预测，使营销活动响应率提升22%。
•重构数据挖掘Pipeline，引入MLflow与特征平台进行实验管理和自动调参，将模型迭代周期从2周缩短至3天，团队人效提升35%。
•推动数据成果在多个业务线落地，包括个性化推送、流失预警、智能优惠券分发等场景，年化贡献GMV增量超8000万元。
•定期组织前沿论文研读与内部技术分享，引导团队掌握图神经网络、因果推断等新方法，打造学习型技术氛围。
本地生活平台商户画像与智能选址项目 - 数据挖掘工程师
2019.01-2019.12
•该项目旨在融合商户经营数据、周边POI、客流热力等多源数据，构建商户经营能力画像，并辅助新门店智能选址。
•负责多源数据清洗与融合，处理超过8亿条订单、评价及地理信息数据，设计异常检测规则剔除噪声，构建统一的数据集市。
•运用聚类分析、主成分分析等无监督方法，结合业务经验划分商户精细类别，从品类偏好、客流稳定性、竞争密度等维度刻画商户特征。
•通过交叉验证与网格搜索，优化随机森林、梯度提升树等模型，使商户星级评分预测准确率达到92%，选址推荐采纳率超过65%。
•输出可视化画像报告与选址看板，赋能BD团队进行商户拓展，使新选址门店首月日均订单量平均提升25%。
内容平台智能热度预测与分发优化项目 - 资深数据挖掘工程师
2022.01-至今
•本项目聚焦内容消费平台，通过挖掘用户内容互动数据，构建热度预测模型，优化内容分发策略，提升平台整体活跃度。
•参与制定数据采集埋点方案，收集用户播放完成度、收藏、弹幕、搜索等行为日志，并进行标签化处理，构建高质量训练样本。
•设计并实现基于多任务学习的深度预估模型，同时预测内容点击率、完播率与互动率，挖掘内容与用户的深层匹配关系。
•搭建实时特征计算与在线推理服务，实现模型更新与推荐结果秒级生效，保障分发侧的性能稳定。
•通过A/B实验持续迭代，优化后内容冷启动阶段的曝光转化率提升17%，核心用户次日留存率提升8个百分点。
对数据挖掘有种近乎偏执的热爱，喜欢从混乱的日志与表格里理出规则，像解谜一样把噪声变成信号。我习惯保持对业务逻辑的追问，不满足于跑通模型，更在意它是否真的解释了现象、能否落地成可用的决策依据。在算法选型与特征工程上，我有较强的代码洁癖和工程化意识，能兼顾离线精度与线上稳定性，也会主动维护数据管道与监控，让产出可复现、可追溯。长期关注数据治理与运维层面的配合，理解数据库、调度、资源等环节对挖掘工作的影响，因此协作时能快速对齐口径、减少沟通折损。期待在一个重视数据文化、能持续打磨技术深度的环境里，继续把数据价值做扎实。
数据洞察与可视化:
擅长用Python生态（Plotly、Seaborn）搭建分析仪表盘，曾将数千万行运维日志凝练为多维异常热力图，辅助运维团队将故障定位时间缩短30%。
大规模数据工程:
掌握Spark、Hive等工具，具备构建ETL流水线的实战经验，在实习期间优化过调度系统，使每日增量数据的清洗与特征计算耗时从4小时降至45分钟。
