自然语言处理工程师简历范文全文
自我评价
5年自然语言处理算法研发经验，专注大模型微调、文本分类与信息抽取方向，熟悉BERT、LLaMA等主流模型及PyTorch技术栈。主导过智能客服意图识别与合同要素抽取项目，线上准确率提升至92%以上。具备从数据构建、模型训练到工程部署的完整落地能力。
工作经历
北京智言科技有限公司
人工智能企业服务
北京
自然语言处理算法工程师
大模型微调文本分类
2022年9月 - 至今
- 负责智能客服意图识别模型迭代，通过数据增强与蒸馏优化，意图准确率由86%提升至92%。
- 主导大模型微调与RAG问答链路搭建，首答解决率提升18个百分点，人工转接率下降25%。
- 搭建训练与推理服务化流程，单次模型上线周期由7天缩短至2天。
上海语析信息技术有限公司
金融科技SaaS
上海
算法工程师（NLP方向）
信息抽取BERT
2020年7月 - 2022年8月
- 负责合同文本要素抽取模型开发，实体识别F1值达到0.91，支撑日均10万份文档处理。
- 参与情感分析与舆情监控模型优化，误报率降低30%，服务20余家金融客户。
项目经验
企业知识库智能问答系统 - 算法负责人
2024年3月 - 2024年5月
- 基于开源大模型构建RAG问答链路，引入向量检索与重排序，回答准确率提升至89%。
- 设计多轮对话与意图澄清策略，用户满意度评分由3.8提升至4.5（5分制）。
合同要素智能抽取平台 - 核心开发
2022年12月 - 2023年2月
- 采用BERT-CRF与规则融合方案抽取关键条款，实体识别F1值达0.91。
- 完成模型量化与批量推理优化，单文档处理耗时降低40%。
专业技能
PyTorch / Transformers
大模型微调与RAG
文本分类与信息抽取
Python
向量检索与Elasticsearch
Docker / 模型服务部署
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
研究方向为自然语言处理，参与实验室文本理解课题。
华中科技大学
985211
武汉
软件工程 本科
2016年8月 - 2020年5月
相关课程：数据结构、机器学习、概率论与数理统计。
工作成果
意图识别准确率提升
通过数据增强与模型蒸馏，将核心意图识别准确率从86%提升至92%。
问答系统落地
主导RAG问答系统从0到1上线，首答解决率提升18个百分点。
上线效率优化
搭建模型服务化流程，单次模型上线周期由7天缩短至2天。
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。
CET-6 - 教育部教育考试院
2015年12月
英语六级，可流畅阅读英文技术论文。
荣誉奖项
校级优秀毕业生
公司年度技术创新奖
其他信息
到岗时间:
在职，一个月内可到岗。
技术输出:
在GitHub维护NLP工具与模型微调示例仓库，累计Star 300+。
更多自然语言处理简历范文
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。