深度学习应用工程师简历范文全文
教育背景
浙江大学
985211
计算机科学与技术 硕士
杭州2018年9月 - 2021年6月
研究方向：计算机视觉与深度学习。
华中科技大学
985双一流
软件工程 本科
武汉2014年9月 - 2018年6月
相关课程：数据结构、机器学习、数字图像处理。
专业技能
PyTorch
计算机视觉
模型压缩与部署
Python
TensorRT
多模态模型
荣誉奖项
研究生国家奖学金
全国大学生数学建模竞赛二等奖
志愿服务经历
深度学习公益讲师
杭州AI公益学习社区
杭州2022年3月 - 2023年12月
- 面向高校学生开展深度学习入门公益课程，累计授课12场。
课外活动
公司算法技术社团
算法兴趣小组/核心成员
杭州2021年8月 - 2022年10月
- 组织内部技术分享会，主导模型压缩与部署主题分享6次。
自我评价
5年深度学习算法与应用落地经验，专注计算机视觉与多模态方向，熟悉PyTorch训练与模型压缩部署全流程。主导千万级样本训练与端侧推理优化项目，模型精度提升8%以上、推理耗时下降50%。具备扎实工程化能力，可独立完成数据、训练到上线闭环。
工作经历
杭州智视科技有限公司
杭州
人工智能计算机视觉
深度学习应用工程师
2022年7月 - 至今
PyTorch模型部署
- 负责工业质检视觉算法研发，主导缺陷检测模型迭代，检出率由92%提升至97%。
- 搭建PyTorch训练与数据增强流水线，单模型训练周期缩短35%，支撑月均20次实验迭代。
- 推动模型量化与TensorRT部署，端侧推理耗时下降50%，已在3条产线落地。
杭州云识智能科技有限公司
杭州
AI算法智能硬件
算法工程师
2021年7月 - 2022年6月
计算机视觉模型压缩
- 参与人脸识别算法开发，优化损失函数与数据清洗策略，识别准确率提升6%。
- 负责模型剪枝与蒸馏实验，模型体积压缩60%，精度损失控制在1%以内。
项目经验
多模态商品识别系统
2023年3月 - 2024年6月
算法负责人
- 主导千万级样本多模态预训练数据清洗与训练调度，训练效率提升30%。
- 完成模型量化与端侧部署，推理耗时下降50%，线上日均调用量超200万次。
工业缺陷检测模型优化
2022年8月 - 2023年2月
核心算法工程师
- 设计轻量化检测网络并引入知识蒸馏，模型体积压缩60%，mAP保持98%以上。
- 搭建自动化评测与回归流程，版本迭代周期由2周缩短至5天。
研究经历
小样本图像分类方法研究/研究助理
杭州
计算机科学与技术学院
2019年9月 - 2021年6月
- 研究小样本条件下的图像分类方法，提出改进的特征对齐策略，准确率提升5%。
- 相关成果发表于国内核心期刊1篇，并完成实验代码开源。
工作成果
质检检出率提升5个百分点
主导质检模型迭代，缺陷检出率由92%提升至97%，年减少人工复检成本约80万元。
端侧推理性能优化
推动模型量化与TensorRT部署，端侧推理耗时下降50%，已在3条产线稳定运行。
训练效率提升
搭建训练与数据增强流水线，单模型训练周期缩短35%，月均支撑20次实验迭代。
证书与认证
人工智能工程师（深度学习方向） - 工业和信息化部
2023年11月
证明深度学习工程与模型部署能力。
阿里云人工智能工程师认证（ACP） - 阿里云
2022年5月
证明云计算平台与AI服务应用能力。
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。