机器学习算法简历范文全文
自我评价
4年机器学习算法工程经验，专注推荐系统与自然语言处理方向，熟悉从特征工程、模型训练到线上部署的完整链路。主导过亿级样本推荐模型迭代与LLM微调落地，线上CTR提升显著。熟练使用PyTorch、TensorFlow及Spark，具备扎实的工程与业务落地能力。
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9月 - 2022年6月
研究方向为自然语言处理，参与实验室推荐算法课题。
武汉理工大学
211双一流
武汉
软件工程 本科
2015年9月 - 2019年6月
相关课程：数据结构、机器学习、概率统计。
工作经历
北京智联数科科技有限公司
互联网推荐系统
北京
机器学习算法工程师
推荐算法PyTorch
2022年7月 - 至今
- 负责电商推荐召回与排序模型迭代，CTR提升8.6%，人均点击次数提升12%。
- 搭建特征实时更新链路，将特征延迟从小时级降至分钟级，支撑日均亿级请求。
- 主导LLM商品标题生成与语义召回方案落地，人工审核成本下降约30%。
北京云图智能信息技术有限公司
人工智能企业服务
北京
算法实习生
NLPTensorFlow
2021年7月 - 2022年6月
- 参与文本分类与情感分析模型开发，F1提升5.2%，服务20余家客户。
- 完成模型量化与推理加速，单次推理耗时降低40%，节省GPU资源成本。
项目经验
电商推荐系统排序模型优化 - 算法负责人
2023年3月 - 2024年6月
- 设计双塔召回与深度排序模型，引入多目标融合，线上CTR提升8.6%。
- 构建样本与特征监控体系，模型上线周期从两周缩短至三天。
大模型商品标题生成落地 - 核心算法工程师
2024年8月 - 2025年2月
- 基于开源大模型完成领域微调，商品标题生成可用率提升至92%。
- 搭建离线评测与人工抽检流程，保障生成内容合规与质量稳定。
专业技能
Python / PyTorch
推荐系统与排序模型
自然语言处理 / LLM微调
TensorFlow
Spark / Hive 大数据处理
SQL 与特征工程
模型部署与推理加速
A/B 实验与效果评估
Docker / Kubernetes
工作成果
推荐模型效果提升
主导排序模型迭代，线上CTR提升8.6%，带动人均点击次数提升12%。
大模型业务落地
推动LLM商品标题生成落地，人工审核成本下降约30%。
特征链路优化
搭建实时特征链路，特征延迟由小时级降至分钟级。
荣誉奖项
校级一等奖学金
数学建模竞赛省级二等奖
证书与认证
AWS Certified Machine Learning – Specialty - 亚马逊云科技
2023年6月
证明机器学习工程与云端建模能力。
深度学习工程师（中级） - 中国人工智能学会
2022年12月
证明深度学习理论与工程实践能力。
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。