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，主导过千万级语料的检索增强问答系统落地。熟悉PyTorch、Transformers与LangChain技术栈，具备从数据构建、模型训练到线上部署的完整工程能力。曾将核心意图识别准确率提升至94%，支撑日均百万级调用。
工作经历
北京智言科技有限公司
人工智能大模型应用
北京
自然语言处理算法工程师
大模型微调RAG
2022年9月 - 至今
- 负责企业级智能问答系统算法研发，主导RAG检索增强方案落地，回答准确率由78%提升至91%。
- 基于LoRA对7B大模型进行领域微调，训练成本降低60%，推理响应时间压缩至800毫秒以内。
- 搭建文本分类与意图识别流水线，支撑日均120万次调用，线上服务可用性保持99.9%。
上海语析信息技术有限公司
互联网电商
上海
算法工程师（NLP方向）
信息抽取模型部署
2020年7月 - 2022年8月
- 负责电商评论情感分析与方面级抽取模型开发，F1值从82%提升至89%，接入3条业务线。
- 构建中文分词与命名实体识别训练数据流程，标注效率提升40%，累计沉淀标注语料50万条。
- 参与模型服务化改造，将推理接口平均耗时由350毫秒降至120毫秒，支撑大促峰值流量。
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
- 设计向量检索与重排序两阶段召回架构，Top-5召回率提升至93%，人工转接率下降35%。
- 引入查询改写与多轮对话管理，复杂问题解决率提升22%，服务内部用户超8000人。
中文命名实体识别模型优化 - 核心开发
2022年12月 - 2023年2月
- 采用BERT-BiLSTM-CRF架构并引入对抗训练，实体识别F1值提升6个百分点至90.2%。
- 完成模型量化与ONNX部署，单卡吞吐提升2.3倍，支撑日均200万条文本处理。
专业技能
PyTorch / Transformers
大模型微调（LoRA/SFT）
RAG与向量检索
Python
文本分类与信息抽取
Docker / 模型部署
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，主修机器学习、深度学习、信息检索等课程。
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
系统学习数据结构、算法设计与数据库原理，GPA 3.6/4.0。
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
2022年6月
证明人工智能算法与工程实践能力。
计算机技术与软件专业技术资格（软件设计师） - 工业和信息化部
2020年11月
证明软件设计与开发能力。
荣誉奖项
中国计算机学会自然语言处理专委会优秀论文奖
北京邮电大学一等学业奖学金
更多U3D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。