牛敬业
AI测试开发工程师
BUSINESS PROFILE
电话188****4166
邮箱niu****@***.com
城市北京
年龄30
性别男
求职状态在职
•主修了机器学习、软件测试与质量保障等课程，并作为核心成员参与“基于视觉的工业缺陷检测”校级大创项目，独立设计数据质量校验脚本与自动化测试用例，大幅减少模型漏检率。
•担任校开源技术协会测试组组长，发起“AI测试马拉松”活动，带领团队为多个开源项目搭建CI中的智能化冒烟测试流水线，获得校园最佳技术实践奖。
AI测试开发工程师AI测试开发自动化测试框架算法测试评估
北京
•负责智能客服产品的质量保障，主导测试策略制定与用例设计，覆盖多轮对话与意图识别场景。
•开发基于Python的自动化测试框架，将回归测试周期缩短了40%，显著提升发版效率。
•与算法工程师协同，对意图识别模型进行多维评测，确保意图准确率超过95%并持续监控。
•参与测试数据构造与标注，优化测试数据集覆盖率，推动算法鲁棒性提升。
高级AI测试开发工程师测试策略规划团队建设测试流程优化
北京
•主导计算机视觉产品线的测试工作，制定分层测试策略，涵盖单元测试、集成测试和端到端测试。
•带领5人测试小组，完成多个版本的迭代测试，通过自动化左移，将缺陷发现时间提前至开发阶段。
•引入机器学习测试工具，构建异常检测流水线，提升测试数据生成效率与缺陷召回率。
•与产品、设计团队紧密协作，从用户体验角度设计测试场景，确保产品上线零重大事故。
•该项目为车载智能语音助手，涉及语音唤醒、多轮对话、情绪识别等核心模块。
•负责设计语音交互测试用例，覆盖噪音环境、方言、语速变化等复杂场景。
•开发自动化测试工具，模拟上千条用户语音指令进行压力测试，定位性能瓶颈。
•与算法团队合作优化声学模型，使唤醒准确率在嘈杂环境下提升10%，平均响应时间降低20%。
•负责工业缺陷检测的图像识别系统测试，涵盖表面划痕、异物、尺寸偏差等缺陷类型。
•制定测试方案，包括图像分类、目标检测与分割的评估指标，并设计数据增强策略。
•搭建测试环境，使用真实产线数据与合成数据结合的方式，构建万级测试集。
•通过分析误检与漏检样本，推动模型迭代优化，使缺陷漏检率降低20%，过杀率下降15%。
对AI产品质量有近乎偏执的追求，乐于深入模型行为边界，捕捉逻辑与体验的隐蔽缺陷。习惯以代码思维驱动测试，崇尚高效、可复用的自动化框架，对脚本可维护性有洁癖。能快速理解算法大意，从评测角度给出可落地的优化信号，而非仅停留在现象报告。享受技术协作的张力，在复杂系统调试中保持韧性，希望持续深耕智能产品测试领域。
AI测试自动化平台搭建:
基于MLflow与Kubeflow构建了模型训练到上线的全链路质量监控平台，实现数据漂移自动检测、模型精度衰退预警及自动回滚机制。
利用Allure TestOps与Jenkins Pipeline深度集成，开发了支持多环境并行执行的智能测试调度系统，并定制多维度可视化仪表盘，使回归测试效率提升40%。
