牛敬业
深度学习研究员
BUSINESS PROFILE
电话188****6063
邮箱niu****@***.com
城市北京
年龄30
性别男
求职状态在职
•核心课程涵盖高级机器学习与计算机视觉，重点钻研表示学习与生成模型理论，GPA 排名专业前 5%。
•加入实验室主攻方向，负责跨模态对齐算法的优化与验证，核心工作已投稿至 NeurIPS 并被接收。
•发起并运营学生科研互助小组，定期组织论文精读与技术研讨，累计举办超过 20 场学术沙龙。
•聚焦视频语义理解领域，设计时空卷积网络架构，解决复杂动态场景下的目标识别难题。
•主导海量视频实时流分析引擎的核心算法攻关，通过引入注意力机制优化时序特征提取，使长尾场景的识别误报率降低 15%。
•推动算法在云边端协同架构下的工程化落地，通过算子融合与内存优化，降低单路视频流算力消耗约 40%。
•建立内部技术评审与知识分享机制，指导初级研究员成长，提升团队整体算法迭代效率。
华为技术有限公司 - 2012 实验室全球科技龙头
2020.01-2021.10
•专注端侧大模型轻量化研究，设计基于知识蒸馏的模型压缩方案，在 NPU 上实现低延迟推理。
•与芯片架构团队深度协同，定制异构计算算子，优化内存访问模式，使推理吞吐量提升 60%。
•主导智能终端多模态交互系统的算法适配，结合视觉与语音信号，提升离线场景下的指令识别准确率。
•参与制定公司端侧 AI 推理标准，输出多篇技术白皮书，推动自研芯片生态的算法适配进程。
•针对安防监控场景，解决复杂背景下的目标跟踪漂移问题，设计鲁棒的时空关联算法。
•引入自适应注意力机制优化时序特征提取，在保持实时性的前提下，使长尾场景的识别误报率降低 15%。
•系统支持千万级路数并发接入，通过动态负载均衡策略，确保高并发下的低延迟响应。
•结合视觉与语音信号，提升离线场景下的指令识别率，解决单一模态信息不足的问题。
•设计轻量化 Transformer 变体，通过结构重参数化技术，使参数量压缩 50% 且性能无损。
•适配多种移动端操作系统，优化推理引擎调用接口，确保跨平台的一致性与稳定性。
常怀探索之心，以实干沉淀自身价值。我对深度学习领域抱有持久的热情，享受从数学原理到工程落地的全过程。具备严谨的科研态度与敏锐的技术嗅觉，善于在复杂约束下寻找最优解。核心优势在于端云协同架构设计与模型轻量化技术，习惯通过代码复现论文并优化边界条件。致力于推动 AI 技术在资源受限场景下的实用化，期待在充满挑战的岗位上持续深耕，用算法创造实际价值。
科研产出:
以第一作者身份在 CVPR、NeurIPS 等顶级会议发表研究成果，聚焦于视觉基础模型的高效推理，单篇最高引用突破 300 次，获领域内同行广泛认可。
社区建设:
核心贡献者身份参与主流深度学习框架生态建设，维护高星开源仓库实现算子融合与部署加速，累计获得 8k+ GitHub Stars，被多家科技企业集成应用。
