深度学习驱动：机器学习工程师高级简历模板

深度参与字节跳动亿级日活核心产品的用户增长优化项目，面对用户增长瓶颈挑战，主导并参与多项关键AI算法的研发与落地。

• 推荐系统优化：负责短视频推荐系统的核心算法迭代，利用深度学习模型（如Transformer、Graph Neural Networks）提升用户兴趣捕捉能力。通过A/B测试，使核心产品CTR提升了1.8%，用户停留时长增加了5%。
• 自然语言处理应用：设计并实现了基于预训练语言模型（BERT、GPT系列）的文本内容理解与分类系统，应用于内容审核与个性化推荐召回，将内容分类准确率提升至92%，显著降低了人工审核成本。
• 模型部署与性能优化：与工程团队紧密协作，将高并发机器学习模型部署至线上服务，优化模型推理速度，单次请求延迟降低30%，支持日均亿级请求量。
• 数据驱动决策：构建并维护机器学习特征平台，沉淀500+维度特征，支持多业务线快速迭代与模型训练，提升数据利用效率25%。

作为核心算法工程师，参与百度AI平台的基础设施建设与业务应用开发，主要聚焦于搜索广告CTR预估与反作弊系统。

• CTR预估模型研发：负责搜索广告点击率预估模型的开发与优化，引入Wide&Deep、DeepFM等模型结构，结合特征工程，使广告eCPM提升了10%，为公司带来千万级年收入增长。
• 反作弊算法设计：设计并实现基于异常检测与图神经网络的反作弊算法，有效识别并拦截虚假点击与刷量行为，每月减少百万级损失。
• 模型训练与评估：利用TensorFlow和Spark MLlib进行大规模数据训练与模型评估，处理TB级数据，确保模型鲁棒性与准确性。
• 技术分享与知识沉淀：积极参与内部技术分享，撰写技术文档10余篇，推动团队技术水平共同提升。