UP简历小U

+86 138-8888-8888|xiaou.resume@example.com|北京

资深深度学习工程师，专注于深度神经网络在复杂问题解决中的应用。精通机器学习、深度学习算法的理论与实践，具备从模型设计、训练优化到部署落地的全栈能力。成功主导并参与多个AI项目，在图像识别、自然语言处理等领域取得显著成果，致力于通过创新技术推动产品智能化升级。

字节跳动

2021-07 - 2024-03

负责核心短视频推荐系统的深度学习模型研发与优化，通过引入多模态特征融合技术，使推荐CTR提升了1.5%，日均DAU增长1000万+。
主导用户意图识别与理解项目，设计并实现了基于Transformer的序列模型，将意图识别准确率从85%提升至92%，降低了10%的用户反馈误判率。
参与大规模预训练模型的训练与应用，优化模型推理效率，实现单次请求延迟降低20%，模型部署成本节省15%。
指导初级工程师进行模型训练与调优，组织内部技术分享，提升团队整体深度学习能力。
深度参与A/B测试设计与结果分析，确保模型迭代效果的科学验证，累计上线20+个优化版本。

旷视科技

2019-03 - 2021-06

核心参与人脸识别算法的研发与优化，负责活体检测模块的算法设计与实现，将误识率降低了30%，提升了20%的识别速度。
负责图像分类与目标检测模型的训练与部署，针对特定数据集进行数据增强和模型剪枝，使模型在嵌入式设备上的运行效率提升了40%。
撰写并发表CVPR 2020论文一篇：《Efficient Facial Landmark Detection via Knowledge Distillation》，被引用次数超过XX次。
与硬件团队紧密协作，优化算法在GPU平台上的性能表现，实现端到端推理时间缩短25%。
维护并迭代内部深度学习平台，支持多项目并行训练与模型管理，提升研发效率15%。

个人项目

2023-01 - 2023-06

项目背景：探索并实现高保真度的图像风格迁移，解决现有方法在细节丢失和风格融合不自然的问题。
个人角色：独立完成项目规划、模型设计、数据收集与预处理、模型训练与评估。
技术栈：Python, PyTorch, CycleGAN, Perceptual Loss。
项目执行：设计并实现了基于CycleGAN的图像风格迁移模型，引入感知损失和内容损失优化生成质量。收集并标注5000+张图像数据集进行训练。
项目成果：成功实现了多种艺术风格与真实图像之间的无缝迁移，生成图像的FID评分较基线模型提升了12%，用户主观评价中，视觉真实感和风格一致性得分提升了15%。
项目价值：展示了在深度学习领域独立解决复杂问题的能力，对GAN模型有深入理解和实践经验。

团队项目

2020-03 - 2020-09

项目背景：提升企业客服效率，减少人工客服压力，实现常见问题的自动问答。
个人角色：核心算法工程师，负责BERT模型微调、知识库构建与召回策略优化。
技术栈：Python, TensorFlow, BERT, Faiss。
项目执行：基于预训练BERT模型，针对特定业务领域进行微调，构建了包含10000+条问答对的知识库。设计并实现了基于向量检索的问答匹配机制，优化了问答召回效率。
项目成果：系统在测试集上的问答准确率达到90%，平均响应时间缩短至200毫秒以内。上线后，成功处理了70%的常见用户咨询，节约了20%的人力成本。
项目价值：展现了在自然语言处理和深度学习领域解决实际业务问题的能力。