深度学习研发工程师简历范文全文
自我评价
4年深度学习算法研发经验，专注计算机视觉与多模态大模型落地，熟悉PyTorch分布式训练与模型压缩部署。主导过千万级样本训练与端侧推理优化项目，模型精度提升5%以上、推理时延降低40%。具备扎实的论文复现与工程化能力，能独立完成从数据到上线的全链路交付。
工作经历
2022年9月
-
至今
北京智瞳科技有限公司
人工智能计算机视觉
深度学习研发工程师
PyTorch多模态大模型
北京
- 负责多模态图文检索模型研发，优化对比学习损失与难负样本采样，召回率@10提升6.2%。
- 主导模型量化与TensorRT部署，端侧推理时延由85ms降至50ms，支撑日请求200万次。
- 搭建分布式训练流水线，8卡A100训练效率提升35%，迭代周期由7天缩短至4天。
2020年7月
-
2022年8月
上海云析数据科技有限公司
工业AIB轮融资
算法工程师（深度学习方向）
目标检测模型部署
上海
- 负责工业质检缺陷检测算法研发，基于YOLO系列改进小目标检测，mAP提升8.5%。
- 完成数据标注与增强流程自动化，标注成本降低30%，模型上线后误检率下降至1.2%。
项目经验
2024年3月
-
2024年5月
多模态图文检索系统
算法负责人
- 基于CLIP架构构建图文双塔检索模型，引入难负样本挖掘，R@10由78.4%提升至84.6%。
- 设计向量索引与召回服务，单机QPS达1200，P99时延控制在30ms以内。
2022年12月
-
2023年2月
端侧轻量化人脸识别模型
核心研发
- 采用知识蒸馏与结构化剪枝压缩模型，参数量减少72%，精度仅下降0.8%。
- 完成移动端NCNN部署，低端机型单帧推理耗时降至18ms，通过量产验收。
专业技能
PyTorch / 分布式训练
计算机视觉（检测/检索）
多模态大模型微调
模型压缩与量化部署
Python / C++
TensorRT / ONNX
数据清洗与特征工程
Linux / Docker / Git
论文复现与实验设计
教育背景
2019年8月
-
2021年5月
哈尔滨工业大学
985211双一流
计算机科学与技术 硕士
哈尔滨
研究方向为深度学习与图像识别，参与国家自然科学基金项目1项。
2016年8月
-
2020年5月
吉林大学
985211
软件工程 本科
长春
主修机器学习、数据结构与算法、线性代数等课程。
荣誉奖项
中国计算机学会（CCF）CVPR 2020 挑战赛优胜奖
哈尔滨工业大学一等学业奖学金
证书与认证
人工智能工程师（中级） - 工业和信息化部教育与考试中心
2022年6月
证明深度学习算法与工程实践能力。
CET-6 英语六级 - 教育部考试中心
2016年12月
具备英文技术文档阅读与论文写作能力。
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。