个人简历

常怀探索之心，以实干沉淀自身价值

教育经历

清华大学 - 本科985

2016 - 09-2020 - 06

计算机科学与技术

•核心课业表现突出，综合绩点达到 3.8/4.0，在《算法设计与分析》中取得 95 分高分，深入理解动态规划、图论等核心模型。

•投身校内算法集训队，强化 C++ 与 Python 双语编程能力，在多次模拟赛中保持前列，擅长复杂逻辑的代码实现与调试。

工作经历

美团 - 搜索算法部门本地生活服务平台

2021 - 07-2022 - 03

算法实习工程师特征工程模型迭代优化

北京

•参与电商平台用户行为分析项目，负责数据预处理与特征工程。利用 Spark 对日均千万级用户点击日志进行清洗和特征提取（如构建用户兴趣标签体系），数据质量提升 25%，为推荐模型提供可靠输入。

•协助算法团队优化推荐模型，基于 PyTorch 实现改进的矩阵分解算法，在离线测试集中将点击率提升 10%，并设计 A/B 测试方案验证线上效果。

•编写技术文档与流程规范，涵盖数据管道设计和模型评估方法，文档总量超 4 万字，促进团队知识共享与标准化。

京东 - 计算机视觉部门综合电商平台

2020 - 07-2020 - 12

算法实习工程师图像增强技术模型服务化

北京

•在医疗影像识别项目中，负责图像数据增强环节。应用几何变换和色彩抖动技术扩充训练集（规模增加 4 倍），显著减少过拟合，模型在验证集上 mAP 提升至 88%。

•参与模型部署流程，与工程团队合作将 CNN 模型部署到云服务平台，优化推理引擎使平均响应时间缩短 25%，满足实时诊断需求。

•组织内部技术沙龙，分享数据增强最佳实践，覆盖 40+ 听众，推动团队技术标准化与跨部门协作。

项目经历

多标签文本情感分析系统 - 算法实现与模型优化

2021 - 03-2021 - 06

网易

•项目背景：针对金融评论数据的情感分析需求，构建高精度多标签分类模型。

•数据预处理：收集社交媒体和金融论坛数据（约 8 万条），使用正则清洗和 BERT 分词，向量化采用 Sentence-BERT 技术。

•模型训练：基于 PyTorch 搭建 CNN-LSTM 混合架构，在 GPU 集群训练，通过超参优化达到 92% 准确率。

•部署评估：封装为 REST API，部署到测试环境，响应时间 < 0.3 秒，支持实时情感分类。

企业级智能问答系统优化 - 算法优化与模型改进

2020 - 03-2020 - 06

华为

•项目背景：优化教育平台智能问答系统，提升意图识别与回答生成质量。

•意图识别改进：收集历史对话数据（6 万条），基于 RoBERTa 微调模型，测试集准确率从 78% 提升至 89%。

•回答生成优化：引入 Transformer 架构，结合知识图谱增强生成内容，人工评估质量提升 25%。

•系统集成测试：完成模块集成与压力测试（模拟 800 并发），系统稳定运行，平均响应时间 0.8 秒。

技能专长

PyTorch 深度学习框架

数据清洗与特征工程

模型性能调优

荣誉奖项

国家励志奖学金

其他信息

技术社区贡献:

参与某主流计算机视觉开源框架维护，重构数据预处理流水线，通过并行化改进使训练数据加载效率提升 30%，Pull Request 获维护者采纳。

持续输出高质量技术干货，撰写 15 篇关于机器学习工程化的专栏文章，累计获得 1w+ 技术社区浏览，频繁参与线上研讨会并解答模型部署难题。

1 / 1

AMAZING RESUME

牛敬业

188****0690

niu****@***.com

北京

男

算法实习工程师

在职

北京

10k - 15k

个人总结

我热爱算法工程，对代码有洁癖，追求高效优雅的解决方案，习惯用简洁逻辑解决复杂问题。具备扎实的算法理论基础和实践能力，熟悉 Python 编程与 PyTorch、Scikit-learn 框架，能快速构建和调优模型。在实习中培养了严谨的逻辑思维和团队协作精神，注重技术细节与结果量化。对人工智能行业充满热情，曾活跃于开源社区，坚持代码质量优先原则，期待在算法实习中沉淀技术深度。