深度学习C++简历范文全文
个人简历
展现专业实力，创造职场价值。
自我评价
5年深度学习算法与工程落地经验，主攻计算机视觉推理优化，精通C++与CUDA高性能实现。主导TensorRT/ONNX模型量化与部署，将端侧推理延迟降低60%以上。熟悉PyTorch训练全流程，具备从算法研发到工程化交付的完整闭环能力。
工作经历
北京智瞳科技有限公司
人工智能计算机视觉
北京
深度学习算法工程师
C++TensorRT
2022年9月 - 至今
- 负责视觉检测模型C++推理引擎开发，基于TensorRT完成INT8量化，单帧延迟由45ms降至17ms。
- 主导多模型调度与显存复用方案，GPU显存占用下降35%，支撑单卡并发路数提升至24路。
- 搭建模型自动化评测流水线，回归测试周期由3天缩短至4小时，线上精度回退问题减少80%。
上海云析信息技术有限公司
企业服务AI平台
上海
算法工程师（C++）
CUDA模型压缩
2020年7月 - 2022年8月
- 使用C++与CUDA实现图像预处理与后处理算子，端到端耗时降低约40%。
- 参与OCR识别模型训练与蒸馏，模型体积压缩至原1/4，准确率仅下降0.8个百分点。
项目经验
端侧人脸识别推理加速项目 - 算法工程负责人
2024年3月 - 2024年5月
- 基于C++重构推理框架，引入算子融合与内存池，ARM平台单帧耗时从120ms降至48ms。
- 设计量化感知训练与校准流程，INT8模型在自建测试集上精度损失控制在1%以内。
- 项目落地3款量产设备，累计出货超20万台，客户侧崩溃率低于0.1%。
多路视频结构化分析系统 - 核心开发
2022年12月 - 2023年2月
- 采用C++多线程与零拷贝传输优化解码链路，单机支持16路1080P实时分析。
- 引入动态批处理策略，GPU利用率由45%提升至78%，整体硬件成本下降约30%。
专业技能
C++（C++11/14/17）
CUDA 并行编程
TensorRT / ONNX 推理部署
PyTorch 模型训练
模型量化与剪枝
Linux / Git / CMake
教育背景
哈尔滨工业大学
985双一流
哈尔滨
计算机科学与技术 硕士
2019年8月 - 2021年5月
研究方向为计算机视觉与模型压缩，参与实验室目标检测课题。
大连理工大学
985211
大连
软件工程 本科
2016年8月 - 2020年5月
主修数据结构、操作系统、机器学习等课程，GPA 3.6/4.0。
荣誉奖项
全国大学生数学建模竞赛 国家二等奖
校优秀毕业生
证书与认证
软件设计师（软考中级） - 工业和信息化部
2019年5月
证明软件设计与工程能力。
CET-6 - 教育部考试中心
2015年12月
英语读写能力良好，可阅读英文技术文档。
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。