深度学习工程师简历范文全文
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大模型方向，主导过千万级样本训练与线上推理优化项目。熟练掌握PyTorch、TensorFlow及分布式训练框架，具备从数据构建、模型训练到部署落地的完整工程能力。曾将核心模型线上推理延迟降低45%，支撑日均千万级调用。
专业技能
PyTorch / 分布式训练
计算机视觉（检测/分割/识别）
大模型微调与多模态（LLM/VLM）
TensorRT / ONNX 推理优化
Python / C++
数据构建与特征工程
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
- 负责视觉检测模型研发与迭代，mAP提升6.2个百分点，支撑3条业务线落地。
- 主导模型量化与TensorRT推理优化，线上平均延迟降低45%，单卡吞吐提升2.1倍。
- 搭建分布式训练与数据回流流程，模型迭代周期由3周缩短至8天。
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）
TensorFlow图像识别
2020年7月 - 2022年8月
- 参与图像分类与OCR模型研发，关键场景准确率由91.3%提升至96.8%。
- 负责训练数据清洗与增强策略设计，标注成本降低约30%。
项目经验
多模态图文检索系统 - 算法负责人
2024年3月 - 2024年5月
- 基于CLIP架构完成图文双塔模型微调，Recall@10由72%提升至86%。
- 设计向量索引与批量推理方案，检索P99延迟控制在80ms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
- 构建小样本缺陷检测方案，漏检率由8.5%降至2.1%。
- 完成模型轻量化与边缘端部署，单帧推理耗时降至35ms。
教育背景
北京邮电大学
211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，参与国家自然科学基金项目1项。
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、数字图像处理，CET-6。
工作成果
公司年度技术突破奖
因推理优化方案显著降本增效，获2024年度技术突破奖。
发明专利
以第一发明人申请深度学习模型压缩相关发明专利1项。
竞赛获奖
获全国大学生数学建模竞赛省级一等奖。
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
证明深度学习算法与工程实践能力。
华为认证AI工程师（HCIP-AI） - 华为技术有限公司
2022年12月
证明机器学习与模型开发能力。
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。