机器学习高级算法工程师简历范文全文
教育背景
北京航空航天大学
985211
计算机科学与技术 硕士
北京2016年9月 - 2019年6月
研究方向：深度学习与自然语言处理；相关课程：机器学习、优化方法、分布式计算。
华中科技大学
985211
软件工程 本科
武汉2012年9月 - 2016年6月
GPA 3.8/4.0，专业前5%。
专业技能
算法与框架
PyTorchTensorFlowTransformersDeepSpeedMegatron-LM
机器学习方向
大语言模型微调推荐系统计算机视觉强化学习模型压缩与蒸馏
工程与平台
PythonC++SQLSparkKubernetes
荣誉奖项
国家奖学金
全国大学生数学建模竞赛二等奖
公司年度技术创新奖
自我评价
7年机器学习算法研发经验，聚焦大语言模型微调与推荐系统，主导过日均亿级请求的推荐排序和千亿参数模型训练优化。擅长PyTorch分布式训练与模型压缩，具备从算法设计到工程落地的全链路能力。曾将推荐CTR提升12%，模型推理成本降低35%。
工作经历
北京智谱华章科技有限公司
北京
大模型人工智能
机器学习高级算法工程师
2022年4月 - 至今
大语言模型分布式训练
- 负责大语言模型微调与对齐算法研发，优化RLHF训练流程，使模型在业务评测集上准确率提升9%。
- 主导千亿参数模型分布式训练优化，通过混合并行与显存优化将训练吞吐提升40%，单次训练成本降低25%。
- 搭建模型压缩与推理加速流水线，实现线上推理延迟降低35%，支撑日均千万级调用。
北京字节跳动科技有限公司
北京
互联网推荐系统
机器学习算法工程师
2019年7月 - 2022年3月
推荐算法A/B实验
- 负责推荐系统粗排与精排模型迭代，引入多任务学习与特征交叉，使线上CTR提升12%。
- 设计并落地实时特征更新管道，将特征时效性从小时级缩短至分钟级，提升推荐多样性指标8%。
- 主导A/B实验设计与分析，累计上线20余项算法优化，带动人均使用时长增长6%。
项目经验
企业级检索增强生成（RAG）问答系统
2023年6月 - 2024年12月
算法负责人
- 设计多阶段检索增强生成（RAG）架构，构建领域知识库与向量索引，使问答准确率从72%提升至88%。
- 优化检索召回与重排模型，引入对比学习训练，Top-5召回率提升15%，端到端响应时间控制在800ms内。
- 项目上线后覆盖内部客服场景，人工转接率下降30%，日均处理查询超10万次。
电商推荐排序模型升级
2020年3月 - 2021年12月
核心算法工程师
- 基于用户行为序列构建深度学习兴趣建模模型，融合长期与短期兴趣，使推荐点击率提升8%。
- 引入图神经网络挖掘商品关联关系，提升冷启动商品曝光效率25%。
- 项目上线后推荐场景GMV提升5%，相关方案沉淀为团队基线模型。
工作成果
大模型对齐效果提升
主导RLHF训练流程优化，模型业务评测准确率提升9%，训练周期缩短30%。
分布式训练效率突破
通过混合并行与显存优化，千亿参数模型训练吞吐提升40%，单次训练成本降低25%。
推理成本大幅降低
构建模型压缩与推理加速流水线，线上推理延迟降低35%，支撑日均千万级调用。
证书与认证
人工智能工程师（高级） - 工业和信息化部
2023年6月
证明深度学习算法设计与工程落地能力。
AWS机器学习专项认证（ML Specialty） - 亚马逊云科技
2021年9月
证明云上机器学习方案设计与部署能力。
更多机器学习简历范文
同一职位，不同的版式和写法。点开任意一份即可查看大图。
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。