职场资讯
正在查看应届生推荐算法整洁简历模板文字版
陈小湾
求职意向
工作经历
XXX科技是专注内容推荐的科技公司，团队规模约XXX人，核心业务是为短视频平台提供个性化推荐解决方案，产品服务于超过XXX家内容创作者，日均处理用户行为数据XXX亿条，与多家区域内容机构建立数据合作。
工作概述：
1.数据标注：为解决冷启动内容推荐不准的问题，依据用户画像和内容标签制定标注规则；负责视频内容的多元维度标注，包括兴趣类别、情感倾向和互动质量；利用内部标注工具完成每日标注任务，并将结果反馈给算法工程师；通过复盘标注与模型预测的差异，优化标注规则关键词，将标注准确率提升XXX%。
2.特征构建：为提升推荐模型的排序效果，负责用户侧和内容侧的基础特征工程；清洗用户点击、播放时长等原始日志数据，生成统计类特征；使用SQL和Python工具完成特征的计算与存储，保障特征数据的按时产出；参与特征有效性分析，筛选出高重要性特征加入模型，推动线上CTR预估效果提升XXX个点。
3.模型实现：协助实现基础的推荐排序模型，完成从论文开源代码到业务代码的迁移；负责模型训练数据的准备与采样，确保正负样本比例符合要求；使用公司机器学习平台进行模型训练与离线评估，记录关键指标变化；将验证通过的模型打包，并提交给工程团队进行线上部署，支持了XXX个推荐场景的算法迭代。
4.效果评估：跟踪推荐算法上线后的核心指标，包括点击率、人均播放时长等；负责AB测试实验的数据统计与报表生成，对比实验组与对照组的数据差异；撰写简单的评估报告，指出模型迭代带来的收益与潜在问题；通过持续监控，及时发现了一次由数据源异常导致的指标波动，协助团队在XXX小时内定位问题。
工作业绩：
1.累计完成XXX万条视频内容的数据标注任务，标注准确率稳定在XXX%以上，支持了冷启动模型的训练。
2.独立构建与维护XXX个有效推荐特征，特征产出准时率达XXX%，助力核心排序模型效果持续优化。
3.协助实现并交付X个线上推荐模型，模型迭代周期平均缩短XXX%，支持了XXX个业务场景。
4.完成XXX次AB实验的效果评估与报告，指标统计准确率达XXX%，为算法决策提供了有效数据支持。
主动离职，希望有更多的工作挑战和涨薪机会。
项目经历
公司核心的短视频推荐系统迭代项目，原有基础协同过滤模型难以处理用户兴趣的动态变化，对新用户的推荐准确率长期低于XX%，服务XXX万日活用户时，首页推荐流人均播放时长存在瓶颈，在热门内容爆发期间同质化严重，工程团队提供的实时用户行为数据接口存在XXX毫秒延迟，影响实时推荐效果。
项目职责：
1.数据处理：负责模型训练所需的用户行为日志清洗与聚合，使用Spark处理日均XXXGB的原始数据，剔除无效和异常点击记录，构建规整的训练样本集。
2.特征工程：协助资深工程师进行特征扩展，基于用户最近XXX次互动序列生成时间衰减统计特征，并将内容标签进行多级编码，新增特征XXX维。
3.模型训练：参与实现基于深度兴趣网络的排序模型，使用TensorFlow框架复现核心网络结构，配置训练任务并监控Loss曲线，完成离线评估。
4.上线支持：协助进行线上AB测试的配置与分流，监控实验桶的核心指标，整理实验初期数据供团队分析。
项目业绩：
1.新模型在全量上线后，新用户次日留存率提升XXX个百分点，核心场景人均播放时长提升XXX%。
2.项目新增的序列特征重要性排名前XXX，直接贡献了模型效果增益的约XXX%。
3.通过优化数据清洗流程，训练样本构建效率提升XXX%，支持了更快的模型迭代验证。
教育背景
GPA X.XX/4.0（专业前XXX%），主修数据结构、机器学习、数据库系统核心课程，参与校园新闻推荐系统课程设计（使用Python+Flask），在团队中负责协同过滤算法模块的实现与调优，完成万级用户数据的离线推荐仿真，熟悉Linux开发环境及Git代码管理，掌握SQL和Python进行数据分析。
自我评价
培训经历
系统学习了机器学习平台PAI的核心功能与模型开发流程，将平台应用于实习期间的推荐模型训练任务，通过熟练使用平台的超参数自动调优模块，在给定资源下将模型离线AUC指标优化了XXX个点，提升了实验效率。
应届生推荐算法整洁简历模板
682人使用适用人群: #推荐算法 #应届生[<1年]
[基本信息]
姓名：陈小湾
性别：男
年龄：26
学历：本科
婚姻：未婚
年限：4年
面貌：党员
邮箱：xiaowan@gangwan.com
电话：18600001654
[求职意向]
工作性质：全职
应聘职位：推荐算法
期望城市：北京
期望薪资：8000-10000
求职状态：离职-随时到岗
[工作经历]
北京XX科技有限公司 | 推荐算法
2024-09 - 2025-12
XXX科技是专注内容推荐的科技公司，团队规模约XXX人，核心业务是为短视频平台提供个性化推荐解决方案，产品服务于超过XXX家内容创作者，日均处理用户行为数据XXX亿条，与多家区域内容机构建立数据合作。
工作概述：
1.数据标注：为解决冷启动内容推荐不准的问题，依据用户画像和内容标签制定标注规则；负责视频内容的多元维度标注，包括兴趣类别、情感倾向和互动质量；利用内部标注工具完成每日标注任务，并将结果反馈给算法工程师；通过复盘标注与模型预测的差异，优化标注规则关键词，将标注准确率提升XXX%。
2.特征构建：为提升推荐模型的排序效果，负责用户侧和内容侧的基础特征工程；清洗用户点击、播放时长等原始日志数据，生成统计类特征；使用SQL和Python工具完成特征的计算与存储，保障特征数据的按时产出；参与特征有效性分析，筛选出高重要性特征加入模型，推动线上CTR预估效果提升XXX个点。
3.模型实现：协助实现基础的推荐排序模型，完成从论文开源代码到业务代码的迁移；负责模型训练数据的准备与采样，确保正负样本比例符合要求；使用公司机器学习平台进行模型训练与离线评估，记录关键指标变化；将验证通过的模型打包，并提交给工程团队进行线上部署，支持了XXX个推荐场景的算法迭代。
4.效果评估：跟踪推荐算法上线后的核心指标，包括点击率、人均播放时长等；负责AB测试实验的数据统计与报表生成，对比实验组与对照组的数据差异；撰写简单的评估报告，指出模型迭代带来的收益与潜在问题；通过持续监控，及时发现了一次由数据源异常导致的指标波动，协助团队在XXX小时内定位问题。
工作业绩：
1.累计完成XXX万条视频内容的数据标注任务，标注准确率稳定在XXX%以上，支持了冷启动模型的训练。
2.独立构建与维护XXX个有效推荐特征，特征产出准时率达XXX%，助力核心排序模型效果持续优化。
3.协助实现并交付X个线上推荐模型，模型迭代周期平均缩短XXX%，支持了XXX个业务场景。
4.完成XXX次AB实验的效果评估与报告，指标统计准确率达XXX%，为算法决策提供了有效数据支持。
[项目经历]
项目名称：短视频个性化推荐系统优化
担任角色：项目负责人
公司核心的短视频推荐系统迭代项目，原有基础协同过滤模型难以处理用户兴趣的动态变化，对新用户的推荐准确率长期低于XX%，服务XXX万日活用户时，首页推荐流人均播放时长存在瓶颈，在热门内容爆发期间同质化严重，工程团队提供的实时用户行为数据接口存在XXX毫秒延迟，影响实时推荐效果。
项目业绩：
1.新模型在全量上线后，新用户次日留存率提升XXX个百分点，核心场景人均播放时长提升XXX%。
2.项目新增的序列特征重要性排名前XXX，直接贡献了模型效果增益的约XXX%。
3.通过优化数据清洗流程，训练样本构建效率提升XXX%，支持了更快的模型迭代验证。
[教育背景]
郑州大学
计算机科学与技术 | 本科
GPA X.XX/4.0（专业前XXX%），主修数据结构、机器学习、数据库系统核心课程，参与校园新闻推荐系统课程设计（使用Python+Flask），在团队中负责协同过滤算法模块的实现与调优，完成万级用户数据的离线推荐仿真，熟悉Linux开发环境及Git代码管理，掌握SQL和Python进行数据分析。