深度学习算法工程师简历范文全文
熊帅帅
深度学习算法工程师
自我评价
5年深度学习算法研发经验，聚焦计算机视觉与多模态方向，主导过千万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完整落地能力。曾将核心模型线上准确率提升6.8个百分点，推理延迟降低42%。
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
PyTorch模型部署
2022年9月 - 至今
- 负责商品图像识别模型迭代，引入多尺度特征融合与难例挖掘，Top-1准确率由88.2%提升至95.0%。
- 主导模型量化与TensorRT推理优化，单卡吞吐提升2.3倍，线上P99延迟由86ms降至50ms。
- 搭建自动化训练与评测流水线，模型迭代周期由两周缩短至4天，支撑6条业务线复用。
上海云析数据科技有限公司
大数据企业服务
上海
算法工程师（深度学习方向）
NLPBERT
2020年7月 - 2022年8月
- 参与文本分类与语义匹配模型研发，基于BERT微调使业务准确率提升5.4个百分点。
- 负责训练数据清洗与标注规范制定，累计构建12万条高质量样本，标注返工率下降30%。
项目经验
多模态商品图文检索系统 - 算法负责人
2024年3月 - 2024年5月
- 设计CLIP双塔召回与重排方案，检索Recall@10由71%提升至86%，日均调用量超200万次。
- 采用对比学习与硬负样本挖掘优化表征，配合Faiss向量索引，查询耗时控制在30ms以内。
工业缺陷检测模型落地 - 核心算法工程师
2022年12月 - 2023年2月
- 基于YOLO系列改进小目标检测头，缺陷漏检率由9.6%降至3.1%，通过产线验收。
- 完成模型剪枝与INT8量化，在边缘设备上实现25FPS实时推理，硬件成本降低约40%。
专业技能
PyTorch / 深度学习框架
计算机视觉（检测/分类/检索）
模型压缩与推理优化（TensorRT/量化）
Python / C++
分布式训练与数据处理
NLP与多模态模型
教育背景
北京理工大学
985211双一流
北京
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深度学习，参与实验室图像识别课题。
武汉理工大学
211双一流
武汉
软件工程 本科
2016年8月 - 2020年5月
主修数据结构、机器学习、线性代数等课程，GPA 3.7/4.0。
荣誉奖项
中国计算机学会（CCF）CVPR 2023 挑战赛全球第7名
北京理工大学优秀毕业研究生
全国大学生数学建模竞赛国家二等奖
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
2023年6月
证明人工智能算法与工程实践能力。
全国计算机等级考试三级（网络技术） - 教育部教育考试院
2016年9月
证明计算机与网络基础能力。
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。