在校期间，系统学习了计算机算法、数据结构、机器学习等专业课程，GPA达到3.8/4.0。参与了学校组织的大数据分析项目，负责数据预处理和模型搭建工作，通过优化特征工程，使模型准确率提升了15%。曾获得校级一等奖学金2次，发表学术论文2篇，其中一篇被EI收录。

在[公司名称1]工作期间，主要负责公司核心产品的算法优化工作。

• 针对用户行为预测模型，通过引入深度学习框架，将预测准确率从70%提升至85%，直接为公司带来了10%的用户转化率增长。
• 主导搭建了实时推荐系统，基于用户画像和物品协同过滤算法，实现了推荐内容的精准投放，使推荐点击率提高了20%。
• 带领3人算法团队，完成了多个数据挖掘项目，包括用户流失预警、商品销量预测等，为业务部门提供了有力的数据支持。

在[公司名称2]任职期间，负责公司数据智能平台的算法研发工作。

• 设计并实现了基于强化学习的广告投放策略，使广告ROI提升了30%，每年为公司节省广告成本超5000万元。
• 构建了大规模知识图谱，整合了公司内部多源异构数据，为智能问答、智能推荐等业务场景提供了知识支撑，使相关业务的响应速度提升了40%。
• 与业务团队紧密合作，深入了解业务需求，优化算法模型，推动了多个数据智能产品的上线，获得了客户的高度认可。

在[公司名称1]的用户行为预测项目中，作为核心算法工程师，负责模型的构建与优化。

• 收集并清洗了海量用户行为数据，包括浏览、点击、购买等行为记录，数据量达到10TB以上。
• 对比分析了多种机器学习算法（如XGBoost、LightGBM）和深度学习算法（如LSTM、Transformer）在用户行为预测任务中的表现，最终选择Transformer模型作为基础模型。
• 通过特征工程优化（如用户历史行为序列编码、物品属性嵌入）和模型参数调优，使模型在测试集上的AUC值从0.75提升至0.88，为公司精准营销提供了有力支持。

在[公司名称2]的智能广告投放项目中，担任算法负责人。

• 搭建了广告投放策略优化框架，引入强化学习算法（如DQN、PPO），实现了广告投放的动态优化。
• 设计了多维度的广告投放效果评估指标（如CTR、CVR、ROI），实时监控广告投放效果，并根据反馈调整投放策略。
• 通过与广告业务团队的协同合作，不断优化算法模型，使广告投放的ROI在6个月内提升了30%，同时降低了广告投放成本20%。