AMAZING RESUME
牛敬业
人工智能算法工程师
188****1797niu****@***.com北京30男人工智能算法工程师在职北京25k-35k •主攻多模态感知与生成式模型，修读图像语义分割、扩散模型原理、分布式训练优化等课程，绩点前8%
•带队参加Kaggle Landmark Retrieval竞赛，设计ViT-G度量学习方案，排名前5%，方案被收录
•担任AI俱乐部骨干，组织“代码实现大师”工坊，带领30+成员复现GPT-2、DDPM等模型
北京智芯未来科技有限公司 - 人工智能研发部高新技术企业行业领先
2017.07-2020.12
人工智能算法工程师医学影像分析模型轻量化跨部门协同
北京
•- 负责公司智慧医疗影像算法研发，主导肺部CT结节检测项目。基于PyTorch框架，提出了一种融合通道注意力与空间注意力的多尺度特征提取网络，并引入自监督预训练策略解决小样本场景下的过拟合问题。通过大规模医学影像数据清洗、增强与模型迭代，将结节检测的敏感度提升至96%，特异性达到93%，在保证高召回的同时大幅降低假阳性，有效辅助医生进行早期筛查决策。
•- 带领算法小组与医疗产品团队紧密配合，深入梳理临床阅片流程，将算法封装为轻量化SDK并嵌入影像工作站。通过优化推理图结构与量化方案，单张CT影像推理耗时从1.2秒压缩至0.3秒，保障了实时性要求。同时建立基于主动学习的在线反馈机制，使模型在真实场景中持续进化，产品上线后用户影像分析效率提升40%。
•- 关注医疗AI领域的技术演进，定期组织内部论文研讨会，引入Vision Transformer、扩散模型等新范式，并推动团队在公共数据集上复现验证，持续提升团队的技术视野与动手能力。
北京智行未来科技有限公司 - 自动驾驶算法部创新型企业自动驾驶先驱
2021.01-至今
人工智能算法高级工程师轨迹预测技术管理产研协同
北京
•- 主导公司自动驾驶决策与规划算法研发，针对城市复杂路口人车混行场景，提出了一种基于多模态Transformer的轨迹预测模型，融合激光雷达点云、高精地图与交通参与者历史轨迹，并通过注意力机制动态建模交互关系。在NuScenes与自采数据集上，预测轨迹的ADE指标降低18%，使自车规划路径的安全通过率达到99.2%。
•- 负责8人算法团队的技术管理，制定模块化研发规范，引入算法-E2E测试流水线，通过代码审查与性能基准测试确保模型的可复现性。持续推进算法与嵌入式平台的协同优化，针对自研计算芯片进行算子适配与计算图裁剪，使决策模型推理延迟稳定在20ms以内，成功支撑L4级自动驾驶出租车在10平方公里示范区内的常态化运营。
•- 与清华大学车辆学院建立联合实验室，探索基于深度强化学习的交互式决策框架，并主导搭建数据闭环系统，打通从路测数据采集、自动标注、场景挖掘到模型迭代的全链路，将模型更新周期从三周缩短至五天，显著提升了算法对长尾场景的适应能力。
•- 项目背景：随着高端制造对零缺陷交付的追求，传统人工目检与规则式机器视觉难以覆盖复杂缺陷类型。为提升质检泛化能力，公司启动基于多模态大模型的工业质检平台研发。
•项目内容：作为算法负责人，带领团队设计视觉-文本联合表征学习框架，利用海量无标注工业图像进行自监督预训练，再通过少量缺陷样本进行提示微调。构建了涵盖200余种缺陷类别的语义字典，并开发了基于对比学习的缺陷检索模块。通过模型蒸馏与量化，将大模型轻量化至边缘端可部署，在iPhone产线盖板玻璃缺陷检测中，新缺陷的检出率从基准的64%提升至89%，且无需重新训练。
•项目成果：该平台在3C电子、汽车零部件等多个产线完成POC验证，平均误检率较传统方案降低60%，帮助企业节省质检人力成本约30%。项目技术方案被华为、小米等头部企业的智能制造部门考察交流，形成行业影响力。
基于图神经网络的社交网络风控模型 - 算法研发工程师
2019.03-2020.06
•- 项目背景：社交平台面临日益猖獗的欺诈、水军及黑产账号，传统基于个体特征的模型难以捕捉团伙化、隐蔽性强的攻击行为，亟需引入图结构信息提升风控精准度。
•项目内容：运用图神经网络技术，构建用户-设备-IP-行为的多维异构图，并设计基于GraphSAGE与注意力机制的节点嵌入模型，半监督学习正常用户与风险账户的图谱模式。结合时序特征工程与图自编码器，识别异常子图结构，实现对欺诈团伙的早期预警。经过大规模离线评测与线上A/B测试，模型对欺诈账户的召回率达到92%，准确率提升至87%，同时将人工审核量降低45%。
•项目成果：该模型已全面部署于公司主产品的注册、登录、营销活动等关键场景，累计拦截黑产账号超300万，每年减少直接经济损失逾千万元。项目沉淀的图学习框架被复用于内容推荐、社交关系挖掘等业务，成为公司核心算法能力之一。
我痴迷于将数学原理转化为高效可运行的算法，享受从读到论文到复现、再到工程落地的完整闭环。对模型性能有近乎偏执的追求，常从数据噪声中提炼规律，关注细节与鲁棒性。熟练使用 PyTorch/TensorFlow，在 NLP 与 CV 方向有较深积累，能快速跟进前沿成果并改进。乐于技术分享与跨团队协作，善于将复杂模型拆解为可维护的模块，期望在算法工程师岗位持续攻克有挑战性的问题。
模型推理加速与边缘部署:
深入掌握模型压缩技术栈，熟练运用结构化剪枝、INT8量化及知识蒸馏，在NVIDIA Jetson Orin上对ResNet-50进行推理优化，使延迟从45ms降至12ms，吞吐提升3.6倍。同时基于TensorRT与ONNX Runtime完成YOLOv8的端到端部署，在安防边缘设备上实现实时视频流检测，大幅降低云端依赖与带宽成本，保障数据隐私。
