深度学习算法简历范文全文
教育背景
北京航空航天大学
985双一流
计算机科学与技术 硕士
北京2019年9月 - 2022年6月
研究方向为计算机视觉与深度学习，相关课程：机器学习、模式识别、最优化方法。
武汉理工大学
211双一流
软件工程 本科
武汉2015年9月 - 2019年6月
相关课程：数据结构、算法设计、线性代数、概率统计。
专业技能
PyTorch / 深度学习框架
计算机视觉与多模态模型
分布式训练与模型压缩
TensorRT / ONNX 推理部署
Python / C++
数据清洗与特征工程
荣誉奖项
中国大学生计算机设计大赛 人工智能组 一等奖
北京航空航天大学 一等学业奖学金
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方向，主导过亿级样本训练与线上推理优化。熟练使用PyTorch、TensorRT与分布式训练框架，具备从数据构建到模型部署的全链路能力。曾将核心模型线上准确率提升6.8个百分点，推理成本下降40%。
工作经历
北京智瞳科技有限公司
北京
人工智能计算机视觉
深度学习算法工程师
2022年7月 - 至今
计算机视觉模型部署
- 负责商品图像识别模型迭代，通过引入多尺度特征融合，将Top-1准确率从91.2%提升至96.4%。
- 主导训练框架迁移至分布式多卡方案，单轮训练耗时由18小时缩短至6.5小时。
- 搭建模型量化与TensorRT推理链路，线上单次推理延迟降低40%，GPU成本月省约12万元。
北京云析数据技术有限公司
北京
互联网大数据服务
算法实习生
2021年7月 - 2022年6月
NLP数据标注
- 参与文本分类与情感分析模型开发，在业务测试集上F1值提升5.3个百分点。
- 负责数据标注规范与清洗流程建设，标注返工率由22%降至8%。
项目经验
多模态图文检索系统
2023年3月 - 2024年8月
算法负责人
- 设计基于Transformer的多模态图文匹配模型，在自建10万级测试集上召回率提升7.1个百分点。
- 完成模型蒸馏与INT8量化，模型体积压缩至原来的1/4，端侧推理速度提升2.3倍。
工业缺陷检测算法项目
2022年8月 - 2023年1月
核心算法工程师
- 构建工业质检缺陷检测模型，小样本场景下漏检率由9.6%降至3.2%。
- 落地产线边缘部署方案，单条产线日均检测量提升至12万件。
研究经历
小样本目标检测方法研究/研究助理
北京
计算机学院 视觉计算实验室
2020年9月 - 2022年6月
- 研究小样本目标检测方法，提出基于原型校准的检测头改进方案，在公开数据集上mAP提升4.2个百分点。
- 参与实验室与企业的联合课题，负责实验设计与消融分析，产出技术报告2份。
工作成果
核心模型准确率提升5.2个百分点
主导的识别模型上线后覆盖日均3000万次请求，线上准确率稳定在96%以上。
推理成本下降40%
通过量化与推理优化，年度GPU资源成本节省约140万元。
发表论文与专利
以第一作者身份在CCF-B类会议发表论文1篇，另申请发明专利1项。
证书与认证
飞桨深度学习工程师认证 - 百度飞桨
2023年6月
证明深度学习框架应用与模型开发能力。
阿里云人工智能工程师认证（ACP） - 阿里云
2021年12月
证明云计算平台使用与AI工程实践能力。
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。