自然语言处理简历范文全文
教育背景
北京邮电大学
211双一流
计算机科学与技术 硕士
北京2019年9月 - 2022年6月
研究方向为自然语言处理，参与实验室信息抽取课题。
武汉理工大学
211双一流
软件工程 本科
武汉2015年9月 - 2019年6月
核心课程：数据结构、机器学习、数据库系统。
专业技能
PyTorch
Hugging Face Transformers
大模型微调（LoRA/SFT）
文本分类与信息抽取
Python
SQL
Elasticsearch
Docker
Linux
自我评价
4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、模型训练到服务部署的完整落地能力。
工作经历
北京智言科技有限公司
北京
人工智能自然语言处理
自然语言处理算法工程师
2022年7月 - 至今
大模型微调文本分类
- 负责智能客服意图识别模型迭代，将线上准确率从86%提升至92%，日均处理咨询量提升30%。
- 搭建基于BERT的工单自动分类流水线，人工分拣工作量下降约45%，覆盖12类业务场景。
- 参与大模型微调与推理服务优化，单次响应时延降低35%，支撑日均50万次调用。
北京云析数据技术有限公司
北京
数据服务企业软件
算法实习生
2021年7月 - 2022年6月
信息抽取数据标注
- 参与合同要素抽取系统开发，负责数据标注规范与模型训练，抽取F1值达到0.89。
- 优化文本预处理与分词流程，训练数据构建效率提升约40%，支撑3个业务线复用。
项目经验
企业知识库智能问答系统
2024年9月 - 2025年6月
算法负责人
- 负责LoRA微调方案设计与数据构造，领域问答准确率提升18个百分点。
- 优化推理批处理与缓存策略，单卡吞吐提升约2.2倍，服务成本下降30%。
工单智能分类平台
2022年10月 - 2023年8月
核心开发
- 设计多标签分类模型与规则融合方案，工单分类准确率达到91%。
- 建立标注质量抽检机制，标注一致性提升至95%以上。
研究经历
中文简历信息抽取研究/研究助理
北京
计算机学院
2020年9月 - 2022年6月
- 构建面向中文简历的实体识别数据集，提出融合词典特征的BERT-CRF模型。
- 在公开测试集上F1值较基线提升4.6个百分点，相关成果用于实验室合作项目。
工作成果
意图识别准确率提升至92%
主导意图识别模型重构，线上准确率提升6个百分点，获部门季度优秀项目奖。
推理服务优化方案复用
推动大模型推理服务优化方案在团队内标准化落地，被3个项目复用。
证书与认证
人工智能工程师（自然语言处理方向） - 工业和信息化部
2024年5月
证明深度学习与自然语言处理工程能力。
阿里云人工智能工程师认证（ACP） - 阿里云
2023年3月
证明云上模型训练与部署能力。
语言能力
英语（CET-6）可作为工作语言，可阅读英文技术论文
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。