UP简历小U

+86 138-XXXX-XXXX|xiaou.up@example.com|北京

个人总结

资深机器学习工程师，具备扎实的机器学习理论基础和丰富的模型开发与优化实战经验。精通Python、TensorFlow、PyTorch等工具，在推荐系统、自然语言处理、计算机视觉等领域有深入研究与成功案例。擅长数据驱动的问题解决，致力于通过创新技术提升产品性能和用户体验，追求卓越的工程实践与算法创新。

工作经历

高级机器学习工程师

字节跳动

2023-03 - 2024-07

作为核心成员，深度参与亿级日活短视频推荐系统的迭代与优化，负责多模态召回和精排模型的研发，通过引入用户行为序列建模，使主站CTR提升3.5%，用户停留时长增加2.1%
主导开发并部署了基于Transformer的用户意图识别模型，有效识别用户隐式兴趣，提升了搜索结果相关性4%，减少了用户无效点击1.8%
负责构建模型服务化平台，实现了模型训练、部署、监控的自动化流程，将新模型上线周期从天级别缩短至小时级别，提升了团队效率30%
针对线上模型性能瓶颈，设计并实施了分布式训练与模型剪枝策略，将模型推理延迟降低20%，同时保证了准确率无明显下降
撰写并发表内部技术博客5篇，分享机器学习最佳实践，指导初级工程师，提升团队整体技术水平

机器学习工程师

腾讯科技

2021-07 - 2023-02

参与微信社交广告投放平台的点击率预测模型（CTR）研发，负责特征工程与模型调优，通过引入深度因子分解机（DeepFM），使广告点击率提升1.2%，广告收入增加XX万元
负责构建用户画像系统，利用聚类算法对用户进行分群，为精准营销提供数据支持，提升了用户标签覆盖率15%
与产品经理紧密合作，将机器学习模型应用于反作弊系统，有效识别并拦截了XX%的恶意流量，保障了平台健康生态
熟练运用A/B测试进行模型效果评估，设计实验方案，分析实验结果，为模型迭代提供科学依据
负责维护和优化现有机器学习模型的训练与推理流程，保障系统99.9%的运行稳定性

项目经历

基于知识图谱的智能问答系统

个人项目

2020-03 - 2020-10

项目背景：针对特定垂直领域（如医疗健康）信息检索效率低下的问题，设计开发一款智能问答系统。
个人角色：项目负责人，负责整体架构设计、核心算法实现及数据处理。
项目执行：
- 构建了包含10万+实体和50万+关系的知识图谱，利用Neo4j进行存储与查询优化。
- 实现了基于BERT的实体识别与关系抽取模块，准确率达到92%。
- 开发了基于seq2seq模型的问答生成模块，结合知识图谱进行推理，提升了问答准确性和流畅性。
项目成果：系统在特定数据集上，问答准确率达到85%，平均响应时间低于2秒，有效提升了信息查询效率。

电商商品评论情感分析系统

课程项目

2019-09 - 2020-01

项目背景：针对电商平台大量用户评论难以有效利用的问题，旨在开发一个自动分析用户情感的系统。
个人角色：核心算法开发者，负责情感分类模型的选择与优化。
项目执行：
- 收集并标注了5万条电商商品评论数据，构建了用于训练的数据集。
- 对比了LSTM、TextCNN、BERT等多种深度学习模型，最终选择了BERT作为核心情感分类器。
- 通过数据增强和模型蒸馏技术，将模型准确率提升至89.5%。
项目成果：系统能够准确识别用户评论中的积极、消极、中性情感，为商家提供了改进产品和服务的依据，预测准确率较基线模型提升8%。