数据挖掘科学家简历范文全文
自我评价
7年数据挖掘与算法建模经验，深耕电商与金融风控场景，主导用户增长、推荐排序与反欺诈模型落地。熟练使用Python、SQL、Spark与XGBoost/LightGBM，具备从特征工程到线上部署的全链路能力。累计推动模型带来年化GMV提升超8000万元，AUC提升0.06。
工作经历
杭州云智数据科技有限公司
互联网电商数据智能
杭州
数据挖掘科学家
推荐算法机器学习
2022年9月 - 至今
- 主导电商推荐排序模型迭代，引入多目标融合与特征实时化，CTR提升18%，年化GMV增长约6000万元。
- 搭建用户流失预警模型，覆盖300万活跃用户，召回率提升至76%，挽回年化收入约2000万元。
- 牵头特征平台建设，沉淀800+特征，模型迭代周期由3周缩短至5天。
上海恒信金融信息服务有限公司
金融科技消费金融
上海
数据分析师/算法工程师
风控建模特征工程
2020年7月 - 2022年8月
- 负责信贷反欺诈模型开发，基于图特征与集成学习将欺诈识别AUC从0.78提升至0.84。
- 构建贷后逾期预测模型，KS提升0.09，帮助坏账率下降1.2个百分点。
- 推动模型监控看板上线，实现模型效果日级追踪与自动预警。
项目经验
电商多目标推荐排序优化 - 算法负责人
2024年3月 - 2024年5月
- 设计多目标融合排序框架，兼顾点击、转化与GMV，线上CTR提升18%、转化率提升11%。
- 引入实时特征与在线学习，模型更新频率由天级提升至小时级，冷启动效果提升23%。
信贷反欺诈图谱模型 - 核心建模成员
2022年12月 - 2023年2月
- 基于设备与关系网络构建图特征体系，欺诈团伙识别准确率提升至89%。
- 模型上线后月均拦截欺诈申请约1200笔，减少损失约1500万元。
教育背景
浙江大学
985211双一流
杭州
计算机科学与技术 硕士
2019年8月 - 2021年5月
研究方向：数据挖掘与机器学习；核心课程：统计学习、数据挖掘、分布式计算。
武汉大学
985211
武汉
信息与计算科学 本科
2016年8月 - 2020年5月
主修数学建模与概率统计，GPA 3.7/4.0。
专业技能
Python / SQL
机器学习与集成模型（XGBoost/LightGBM）
Spark / Hive 大数据处理
特征工程与模型调优
推荐与排序算法
A/B实验与因果分析
TensorFlow / PyTorch
数据可视化（Tableau）
业务建模与指标体系建设
工作成果
推荐模型显著提效
主导推荐排序模型升级，CTR提升18%，年化GMV增长约6000万元。
风控模型降损
反欺诈模型AUC提升0.06，月均拦截欺诈申请约1200笔。
特征平台提效
建设特征平台沉淀800+特征，模型迭代周期缩短80%。
证书与认证
阿里云大数据分析师认证（ACP） - 阿里云
2022年6月
证明云上大数据分析与建模能力。
数据库系统工程师（软考中级） - 工业和信息化部
2019年11月
证明数据库设计与数据管理能力。
荣誉奖项
浙江省数据挖掘竞赛一等奖
浙江大学优秀毕业生
其他信息
语言能力:
英语CET-6，可阅读英文技术文档与论文。
到岗时间:
离职后一周内到岗，可接受短期出差。
更多数据挖掘简历范文
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，改好即可下载投递。