•参与国家重点研发计划项目，负责多模态目标检测算法优化，提出基于注意力机制的特征融合模块，提升小目标检测精度。
•带队参加国际大学生程序设计竞赛（ACM-ICPC）亚洲区域赛，获得银奖，锻炼了代码实现与限时解决复杂问题的能力。
•以第一作者在IEEE International Conference on Multimedia & Expo (ICME)发表论文，并申请一项国家发明专利，涉及模型压缩与加速。
深度学习工程师图像识别NLP优化模型压缩金融科技
北京
•负责公司深度学习相关项目的算法研发，主要聚焦金融风控图像识别与智能客服对话系统两大方向。
•设计并实现了基于深度学习的金融票据图像文字识别模型，通过引入结构化注意力机制，将识别准确率提升12%，误识率降低至0.3%以下。
•对智能客服系统中的意图识别模型进行蒸馏压缩与量化，在保证准确率的前提下使推理速度提升25%，有效支撑了每日千万级并发请求。
•主导了部门内部的技术轮讲与代码评审，沉淀了图像识别与NLP方向的标准化开发规范，提升了团队整体技术水平。
高级深度学习工程师工业视觉推荐系统技术管理模型优化
北京
•带领团队负责公司核心深度学习项目的研发，涵盖工业视觉缺陷检测与个性化推荐系统两大产品线。
•提出基于动态卷积与注意力机制的缺陷检测算法，在PCB板线宽检测场景中缺陷检出率提升18%，漏检率降至0.5%以下。
•构建了多任务学习推荐模型，将商品点击率提升22%，同时创新性地引入用户行为序列建模，使用户七日留存率提升9%。
•自研了高效的数据加载流水线与分布式训练调度策略，使单次训练任务执行效率提升35%，大幅缩短了模型迭代周期。
•与业务部门紧密协作，推动AI能力在质检产线的规模化应用，每年节省人力成本数百万元；多次在行业会议分享工业AI落地经验，提升了公司在深度学习领域的影响力。
•该项目旨在利用深度学习对高分辨率遥感影像进行地物自动分类，用于城市规划与国土资源监测。
•我担任算法负责人，带领团队进行数据清洗、模型设计与工程落地。
•我们提出了一种多尺度特征融合网络，结合金字塔池化与可变形卷积，在公开数据集上的分类精度提升12%，尤其对小目标地物的识别能力显著增强。
•同时，针对嵌入式部署场景，对模型进行了剪枝与量化，使推理速度提升40%，模型体积减小60%，成功适配了无人机端侧计算平台。
•该系统已在省级国土调查项目中试运行，处理效率提升3倍，大幅减少了人工标注成本。
•此项目针对智能音箱与车载助手场景，对对话系统中的意图识别与槽填充进行联合优化，以提升用户体验。
•我们引入了基于预训练语言模型的联合学习框架，并设计了知识蒸馏方案，使意图识别准确率提升10%，槽填充F1值提升8%。
•同时，通过模型剪枝与动态量化，将模型推理内存占用降低55%，使服务部署成本降低45%，成功支撑了千万级日活场景。
•该项目上线后，用户任务完成率提升18%，次日留存率提升7%，获得公司年度技术创新奖。
AI前沿探索与开源贡献:
坚持每季度复现前沿论文，如Swin Transformer、CLIP等，并优化部署到移动端，提升模型推理效率。
在GitHub开源一个基于Flutter的实时风格迁移App，支持多种模型，获得200+ star，积极与社区开发者协作解决issue。
定期在团队内部分享技术趋势与工程实践，组织Workshop，推动团队整体技术水平提升，内部反响热烈。
