在本科和硕士阶段，系统学习了人工智能相关的专业课程，包括机器学习、深度学习、计算机视觉等。通过课程项目和实验，积累了扎实的理论基础和实践经验。参与了导师的科研项目，负责数据预处理和模型训练部分，锻炼了独立解决问题的能力。

在[公司名称1]，负责公司核心产品的算法优化工作。

• 主导了图像识别算法的优化项目，通过对深度学习模型的调优和改进，将图像识别准确率从85%提升至92%，项目上线后，产品用户满意度提高了15%。
• 参与了自然语言处理相关算法的研发，负责文本分类模块的开发，构建了高效的文本特征提取和分类模型，使文本分类的平均准确率达到90%以上。
• 与跨部门团队合作，为公司的智能客服系统提供算法支持，优化了客服机器人的语义理解和问答匹配算法，使机器人的问题解决率提高了20%。

在[公司名称2]，专注于智能推荐算法的研究与应用。

• 负责构建和优化用户兴趣模型，通过对海量用户行为数据的分析和挖掘，设计了个性化推荐算法，使推荐系统的点击率提高了30%，用户留存率提升了10%。
• 参与了推荐算法的实时计算框架开发，优化了算法的实时响应性能，将推荐结果的生成时间从100ms降低至30ms以内。
• 与数据团队协作，进行数据清洗和特征工程工作，为推荐算法提供高质量的数据输入，提高了算法的稳定性和准确性。

在[公司名称1]期间，负责[项目名称1]。

• 项目背景：为了提高公司电商平台的商品搜索准确性，需要优化图像搜索算法。
• 项目内容：构建了基于深度学习的图像特征提取模型，采用迁移学习和微调技术，提高了模型对商品图像的特征表示能力。设计了图像相似度计算算法，结合商品属性信息，实现了更精准的图像搜索结果排序。
• 项目成果：图像搜索的准确率从70%提升至85%，搜索结果的相关性显著提高，用户在图像搜索功能上的使用时长增加了20%。

在[公司名称2]参与了[项目名称2]。

• 项目背景：公司短视频平台需要提升视频推荐的个性化程度，以提高用户粘性。
• 项目内容：负责用户行为数据的分析和建模，构建了基于深度学习的用户兴趣预测模型。设计了视频特征提取和相似度计算算法，结合用户兴趣模型，实现了个性化的视频推荐。
• 项目成果：视频推荐的点击率提高了25%，用户平均观看时长增加了15%，有效提升了平台的用户活跃度和留存率。