深度学习框架工程师简历范文全文
自我评价
6年深度学习框架与推理引擎研发经验，深耕 PyTorch 算子开发、图编译与分布式训练优化，主导过千卡集群训练加速与推理性能优化项目。熟悉 CUDA/Triton 底层优化与国产芯片适配，具备从框架内核到业务落地的完整能力。曾将训练吞吐提升35%、推理延迟降低42%。
专业技能
PyTorch 框架内核与算子开发
CUDA / Triton 高性能算子优化
图编译与推理引擎（TorchInductor / TensorRT）
分布式训练（Megatron / DeepSpeed / NCCL）
C++ / Python 工程开发
国产芯片（昇腾 / 寒武纪）适配
工作经历
北京智源智能科技有限公司
人工智能大模型
北京
深度学习框架工程师
PyTorch分布式训练
2022年9月 - 至今
- 负责 PyTorch 训练框架算子库维护与优化，新增及重构30+核心算子，训练吞吐平均提升35%。
- 主导千卡集群分布式训练通信优化，基于 NCCL 与梯度压缩将大规模训练扩展效率从68%提升至85%。
- 搭建框架性能基准测试体系，覆盖20+模型场景，使版本回归问题定位时间缩短50%。
上海算力科技有限公司
AI基础设施芯片适配
上海
深度学习推理引擎工程师
推理引擎TensorRT
2020年7月 - 2022年8月
- 参与自研推理引擎开发，完成算子融合与显存复用优化，端到端推理延迟降低42%。
- 负责 TensorRT 与 ONNX 模型转换链路，支持50+业务模型上线，转换成功率达98%。
- 完成昇腾芯片算子适配与精度对齐，支撑国产化替代项目按期交付。
项目经验
大模型训练框架性能优化专项 - 技术负责人
2024年3月 - 2024年5月
- 针对百亿参数模型训练瓶颈，重构注意力算子与通信调度，单卡算力利用率提升28%。
- 引入混合精度与激活重计算策略，显存占用降低30%，支持更大批次训练。
自研推理引擎国产芯片适配 - 核心开发
2022年12月 - 2023年2月
- 完成昇腾平台30+算子开发与精度对齐，模型推理性能达到GPU方案的85%。
- 建立自动化精度回归测试流程，适配问题平均修复周期由5天缩短至1.5天。
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：深度学习系统与高性能计算；核心课程：并行计算、编译原理、机器学习。
哈尔滨工业大学
985211
哈尔滨
软件工程 本科
2016年8月 - 2020年5月
核心课程：数据结构、操作系统、计算机组成原理。
工作成果
训练吞吐提升35%
通过算子重构与通信优化，使核心模型训练吞吐平均提升35%。
推理延迟降低42%
主导推理引擎算子融合与显存优化，端到端延迟降低42%。
开源社区贡献
向 PyTorch 社区提交算子优化 PR 6个，其中3个已合入主干。
证书与认证
昇腾AI算子开发工程师认证 - 华为
2023年5月
证明昇腾平台算子开发与模型迁移能力。
系统架构设计师（软考高级） - 工业和信息化部
2021年11月
证明大型系统架构设计能力。
其他信息
开源作品:
GitHub 维护深度学习算子优化示例仓库，累计 Star 800+。
到岗时间:
离职状态，两周内可到岗，可接受出差。
语言能力:
CET-6，可流畅阅读英文技术文档与论文。
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。