数据挖掘算法简历范文全文
自我评价
4年数据挖掘与算法建模经验，专注用户行为预测、推荐与风控场景，熟练使用Python、SQL、Spark及XGBoost、LightGBM等模型。主导过推荐排序与流失预警项目，模型AUC提升约8%，累计带来千万级GMV增量。具备从特征工程到线上部署的完整落地能力。
工作经历
2022年9月
-
至今
杭州云智数据科技有限公司
互联网电商数据智能
数据挖掘算法工程师
推荐算法机器学习
杭州
- 负责电商推荐排序模型迭代，引入多目标融合与特征交叉，线上CTR提升6.8%，人均GMV提升约5%。
- 搭建用户流失预警模型，基于XGBoost与规则引擎实现分层召回，月挽回用户约3.2万，召回成本下降18%。
- 主导特征平台建设，沉淀300+用户行为特征，模型迭代周期由两周缩短至5天。
2020年7月
-
2022年8月
上海数联科技有限公司
SaaS企业数据
数据分析师（算法方向）
数据挖掘风控建模
上海
- 使用SQL与Python完成用户分群与行为分析，输出12份专题报告，支撑运营策略调整。
- 参与风控评分卡建模，KS值由0.32提升至0.41，逾期识别准确率提升约9个百分点。
项目经验
2024年3月
-
2024年5月
电商推荐排序模型升级
算法负责人
- 基于用户行为序列构建深度排序模型，融合多目标损失，线上AUC由0.72提升至0.78。
- 设计离线评估与AB实验流程，累计上线8组策略，推荐位GMV提升约7%。
2022年12月
-
2023年2月
用户流失预警与召回系统
核心算法开发
- 构建流失概率预测模型，召回率提升至65%，精准率保持在42%以上。
- 打通模型输出与运营触达链路，实现T+1自动分层召回，月均挽回用户3万+。
专业技能
Python
SQL
Spark
XGBoost/LightGBM
特征工程
AB实验与模型评估
教育背景
2019年8月
-
2021年5月
浙江大学
985211双一流
计算机科学与技术 硕士
杭州
研究方向为数据挖掘与机器学习，参与国家自然科学基金项目1项。
2016年8月
-
2020年5月
武汉理工大学
211双一流
统计学 本科
武汉
主修统计学、概率论与数据挖掘，GPA 3.6/4.0。
证书与认证
阿里云大数据工程师认证（ACP） - 阿里云
2023年11月
证明云上数据计算与分析能力。
数据库系统工程师（软考中级） - 工业和信息化部
2021年5月
证明数据库设计与数据管理能力。
荣誉奖项
浙江大学优秀研究生
全国大学生数学建模竞赛省级一等奖
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。