AI算法应用工程师简历范文全文
熊帅帅
展现专业实力,创造职场价值。AI算法应用工程师
自我评价
5年AI算法落地经验,专注大模型应用、RAG检索增强与推荐排序方向,主导过日均百万级请求的算法服务上线。熟练使用Python、PyTorch、LangChain与向量数据库,具备从数据构建、模型微调到线上部署的全流程能力。曾将核心场景召回率提升18%,推理成本降低35%,追求算法效果与业务指标的平衡。
工作经历
北京智远科技有限公司
人工智能C轮
北京
AI算法应用工程师
大模型应用RAG
2022年7月 - 至今
- 负责企业知识问答产品的RAG链路设计与优化,将回答准确率从72%提升至86%,日均调用量突破30万次。
- 主导Embedding模型微调与向量索引重构,检索召回率提升18%,单次响应时延从1.8秒降至0.9秒。
- 搭建算法效果评估与A/B实验体系,累计完成20余组实验,推动3个核心功能全量上线。
北京云图数据技术有限公司
互联网B轮
北京
算法工程师
推荐系统PyTorch
2020年7月 - 2022年6月
- 负责个性化推荐排序模型开发,将CTR预估模型由LR升级至DeepFM,线上点击率提升12%。
- 参与特征平台建设,沉淀用户行为特征300余个,模型迭代周期由两周缩短至5天。
- 完成模型服务的容器化部署与监控告警,保障服务可用性达99.9%。
项目经验
企业知识库智能问答系统 - 算法负责人
2023年3月 - 2024年9月
- 设计文档解析、切分与混合检索方案,引入重排序模型,使Top3命中率提升21%。
- 构建自动化评测集与线上反馈闭环,将人工标注成本降低60%,支撑两周一次版本迭代。
大模型领域微调与推理优化 - 核心开发
2022年8月 - 2023年2月
- 基于LoRA对开源大模型进行领域微调,在客服工单分类任务上F1值达0.91,较基线提升9个百分点。
- 通过量化与推理加速优化,单卡吞吐提升2.3倍,月度GPU成本下降35%。
专业技能
Python
PyTorch
大模型微调(LoRA/SFT)
RAG与向量检索
LangChain
SQL与数据处理
推荐系统与排序模型
Docker与模型部署
机器学习基础理论
教育背景
北京邮电大学
211双一流
北京
计算机科学与技术 硕士
2017年9月 - 2020年6月
研究方向为自然语言处理,参与实验室情感分析课题。
武汉理工大学
211双一流
武汉
软件工程 本科
2013年9月 - 2017年6月
主修数据结构、机器学习、数据库系统等课程,绩点专业前15%。
证书与认证
阿里云人工智能工程师认证(ACP) - 阿里云
2023年6月
证明云计算与AI工程实践能力。
软件设计师(软考中级) - 工业和信息化部
2021年11月
证明软件设计与开发能力。
荣誉奖项
国家奖学金
年度技术创新奖
其他信息
到岗时间:
可接受短期出差,一个月内到岗。
作品集:
GitHub主页包含RAG与微调相关开源实践。
语言能力:
英语CET-6,可阅读英文技术文档与论文。
更多算法工程师简历范文
同一职位,不同的版式和写法。点开任意一份即可查看大图。
就从这份范文开始
免费复制到你的账户里,每一句话、每个板块和颜色都能改成你的。