职场资讯
正在查看中级推荐算法简洁简历模板文字版
陈小湾
求职意向
工作经历
XXX科技是专注于短视频内容生态的科技公司，团队规模约XXX人，核心产品为垂直领域短视频APP，通过个性化推荐连接内容创作者与用户，日均播放量超XXX亿次，服务超过XXX万内容创作者，与多家MCN机构及品牌方建立数据合作。
工作概述：
1.策略迭代：负责主feed流推荐策略的日常迭代与AB测试，根据业务目标（如留存、时长）设计实验方案；分析用户行为序列，调整曝光、点击、完播等指标的融合权重；通过线上AB实验验证策略有效性，策略迭代周期稳定在X周以内，核心指标达成预设目标XXX%以上。
2.特征工程：为解决用户冷启动问题，主导构建并维护用户实时兴趣画像与内容理解特征体系；利用Flink处理用户实时交互行为，更新兴趣向量；与内容运营团队协作，标注内容标签，优化文本与视频多模态特征提取的准确性，使新用户次留率提升XXX%。
3.召回优化：负责多路召回通道的优化与融合，包括协同过滤、热门、强推及向量召回；设计召回通道间的融合与去重策略，调整各通道流量分配比例；基于离线评估与线上小流量实验，优化召回通道的覆盖率和准确率，召回item的CTR整体提升XXX%。
4.排序建模：主导精排模型的迭代与优化，从LR、FM模型升级至深度模型结构；参与特征筛选、样本构造与负采样策略制定；定期进行模型训练与离线评估，监控线上模型指标波动，推动模型周均更新一次，排序模型AUC累计提升XXX。
5.性能优化：针对线上推荐服务的高并发与低延迟要求，优化模型推理链路；通过模型裁剪、缓存策略与服务化拆分，将线上pct99推理延迟从XXX毫秒降低至XXX毫秒，节省线上计算资源XXX%。
6.数据分析：搭建核心推荐指标监控报表，日常分析推荐效果数据；定位badcase，归因于策略、模型或数据问题，并推动相关团队解决；通过数据洞察提出策略优化方向，驱动了XXX次有效的策略迭代。
工作业绩：
1.完成XXX次主推荐策略AB实验，其中XXX次取得显著正向收益，推动核心用户人均使用时长增长XXX%。
2.构建的用户实时兴趣特征体系，覆盖XXX万DAU，支撑了召回与排序模型效果提升。
3.优化的多路召回策略使长尾内容曝光占比提升XXX%，内容生态健康度得分改善XXX。
4.主导的排序模型迭代项目，使推荐流整体CTR提升XXX%，GMV转化率提升XXX%。
5.服务性能优化保障了大促期间推荐服务稳定，零故障支撑峰值QPS XXX。
6.通过数据分析驱动的优化，累计贡献核心留存指标相对提升XXX%。
主动离职，希望有更多的工作挑战和涨薪机会。
项目经历
公司核心短视频APP的推荐系统重构项目，原有基于规则和简单模型的推荐架构面临用户增长停滞与时长瓶颈，单一协同过滤召回导致内容多样性差，精排模型迭代缓慢无法快速响应业务变化，服务千万级日活用户时，推荐结果同质化严重，用户负反馈率上升至X%，次日留存率出现连续下滑。
项目职责：
1.策略设计：负责新推荐系统整体策略框架设计，明确召回、粗排、精排、重排各层级的优化目标与协同机制，制定从离线评估到线上AB实验的全流程迭代规范。
2.特征体系构建：牵头重建用户与内容特征平台，统一特征数据口径与生产流程，引入实时用户行为序列特征与深度内容语义特征，提升特征覆盖度与时效性。
3.模型迭代：主导精排模型从GBDT升级至深度排序模型（如DeepFM、MMoE），负责模型结构选型、样本工程优化及离线评测，推动模型上线与效果复盘。
4.工程落地：协调算法与工程团队，完成新模型服务的高效部署与性能压测，设计并实施特征线上服务化方案，保障服务高可用与低延迟。
5.效果分析：建立多维度的推荐效果评估体系，监控核心指标与badcase，通过归因分析定位问题环节，并输出可执行的优化策略报告。
项目业绩：
1.推荐系统升级后，APP核心用户日均使用时长从XXX分钟提升至XXX分钟，相对增长XXX%。
2.信息流内容多样性指标（如曝光熵）提升XXX%，用户负反馈率下降XXX%。
3.精排模型迭代效率从月级提升至周级，模型AUC离线指标累计提升XXX。
4.系统成功支撑了用户规模从XXX万DAU增长至XXX万DAU，推荐相关服务P99延迟稳定在XXX毫秒以内。
教育背景
GPA X.XX/4.0（专业前XX%），主修数据结构、算法设计与机器学习相关课程，参与课程设计《基于协同过滤的电影推荐系统》（使用Python+Spark），负责数据预处理、模型实现与效果评估部分，完成对XXX万评分数据的离线训练与测试，熟练使用Python进行数据分析与建模，了解Hadoop、Spark等大数据处理工具的基本原理。
自我评价
培训经历
系统学习了大数据平台架构与数据处理技术，将知识应用于推荐系统的特征工程与用户画像构建中，优化了实时特征计算管道，使得特征产出延迟降低XXX%，为排序模型提供了更及时的数据支持，提升了推荐结果的实时性。
中级推荐算法简洁简历模板
687人使用适用人群: #推荐算法 #中级[3-5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科技是专注于短视频内容生态的科技公司，团队规模约XXX人，核心产品为垂直领域短视频APP，通过个性化推荐连接内容创作者与用户，日均播放量超XXX亿次，服务超过XXX万内容创作者，与多家MCN机构及品牌方建立数据合作。
工作概述：
1.策略迭代：负责主feed流推荐策略的日常迭代与AB测试，根据业务目标（如留存、时长）设计实验方案；分析用户行为序列，调整曝光、点击、完播等指标的融合权重；通过线上AB实验验证策略有效性，策略迭代周期稳定在X周以内，核心指标达成预设目标XXX%以上。
2.特征工程：为解决用户冷启动问题，主导构建并维护用户实时兴趣画像与内容理解特征体系；利用Flink处理用户实时交互行为，更新兴趣向量；与内容运营团队协作，标注内容标签，优化文本与视频多模态特征提取的准确性，使新用户次留率提升XXX%。
3.召回优化：负责多路召回通道的优化与融合，包括协同过滤、热门、强推及向量召回；设计召回通道间的融合与去重策略，调整各通道流量分配比例；基于离线评估与线上小流量实验，优化召回通道的覆盖率和准确率，召回item的CTR整体提升XXX%。
4.排序建模：主导精排模型的迭代与优化，从LR、FM模型升级至深度模型结构；参与特征筛选、样本构造与负采样策略制定；定期进行模型训练与离线评估，监控线上模型指标波动，推动模型周均更新一次，排序模型AUC累计提升XXX。
5.性能优化：针对线上推荐服务的高并发与低延迟要求，优化模型推理链路；通过模型裁剪、缓存策略与服务化拆分，将线上pct99推理延迟从XXX毫秒降低至XXX毫秒，节省线上计算资源XXX%。
6.数据分析：搭建核心推荐指标监控报表，日常分析推荐效果数据；定位badcase，归因于策略、模型或数据问题，并推动相关团队解决；通过数据洞察提出策略优化方向，驱动了XXX次有效的策略迭代。
工作业绩：
1.完成XXX次主推荐策略AB实验，其中XXX次取得显著正向收益，推动核心用户人均使用时长增长XXX%。
2.构建的用户实时兴趣特征体系，覆盖XXX万DAU，支撑了召回与排序模型效果提升。
3.优化的多路召回策略使长尾内容曝光占比提升XXX%，内容生态健康度得分改善XXX。
4.主导的排序模型迭代项目，使推荐流整体CTR提升XXX%，GMV转化率提升XXX%。
5.服务性能优化保障了大促期间推荐服务稳定，零故障支撑峰值QPS XXX。
6.通过数据分析驱动的优化，累计贡献核心留存指标相对提升XXX%。
[项目经历]
项目名称：短视频信息流推荐系统升级
担任角色：项目负责人
公司核心短视频APP的推荐系统重构项目，原有基于规则和简单模型的推荐架构面临用户增长停滞与时长瓶颈，单一协同过滤召回导致内容多样性差，精排模型迭代缓慢无法快速响应业务变化，服务千万级日活用户时，推荐结果同质化严重，用户负反馈率上升至X%，次日留存率出现连续下滑。
项目业绩：
1.推荐系统升级后，APP核心用户日均使用时长从XXX分钟提升至XXX分钟，相对增长XXX%。
2.信息流内容多样性指标（如曝光熵）提升XXX%，用户负反馈率下降XXX%。
3.精排模型迭代效率从月级提升至周级，模型AUC离线指标累计提升XXX。
4.系统成功支撑了用户规模从XXX万DAU增长至XXX万DAU，推荐相关服务P99延迟稳定在XXX毫秒以内。
[教育背景]
西安电子科技大学
软件工程 | 本科
GPA X.XX/4.0（专业前XX%），主修数据结构、算法设计与机器学习相关课程，参与课程设计《基于协同过滤的电影推荐系统》（使用Python+Spark），负责数据预处理、模型实现与效果评估部分，完成对XXX万评分数据的离线训练与测试，熟练使用Python进行数据分析与建模，了解Hadoop、Spark等大数据处理工具的基本原理。