职场资讯
正在查看资深搜索算法清新简历模板文字版
陈小湾
求职意向
工作经历
XXX科技是一家专注于智能零售与内容服务的科技公司，团队规模约XXX人，核心产品为面向商家的智能营销平台与面向用户的个性化内容应用，日均处理搜索与推荐请求超过XXX亿次，服务全国超过XXX万家中小商户与数千万终端用户。
工作概述：
1.搜索排序：为提升平台商品搜索转化率，主导排序模型迭代；深入分析用户点击与购买序列，融合多模态商品信息，优化特征工程体系；上线融合用户实时意图的深度学习模型，通过线上AB实验验证，核心场景GMV提升XXX%。
2.召回策略：针对长尾商品曝光不足问题，设计多路混合召回架构；结合协同过滤、向量检索与图神经网络，构建用户-商品-场景关联网络；优化冷启动商品嵌入与流量分配机制，使得长尾商品有效曝光率提升XXX%。
3.模型优化：负责核心排序与召回模型的日常迭代与效果保障；建立模型评估与监控体系，定义离线与在线评估指标；实施模型蒸馏与量化压缩方案，在保证效果持平的前提下，模型线上服务资源消耗降低XXX%。
4.系统架构：主导搜索中台架构升级，解决原有系统响应延迟高、迭代周期长的问题；推动服务容器化与流量隔离，设计分级缓存与异步更新机制；系统整体P99延迟降低XXX%，支持算法团队日均实验效率提升XXX%。
5.AB实验：构建并完善搜索算法AB实验平台与数据分析流程；设计科学的实验分流与统计校验方法，建立关键指标看板；规范实验上线与结论复盘流程，将实验分析报告产出周期平均缩短XXX%。
6.工程效率：推动算法工程化流程标准化，主导特征平台与模型服务治理；制定特征生产、模型训练到服务上线的SOP，解决线上线下特征不一致问题；团队新模型从研发到上线的平均周期缩短XXX%。
7.团队培养：负责搜索算法团队XXX名工程师的技术指导与能力建设；组织技术分享与代码评审，建立核心模型的技术文档与维护手册；通过 mentorship 机制，团队新人独立负责模块开发的成长周期缩短XXX%。
工作业绩：
1.主导搜索排序模型连续XXX个季度迭代，关键业务场景转化率累计提升超XXX%。
2.构建的混合召回策略覆盖平台XXX%的流量，用户人均点击商品数提升XXX%。
3.推动模型优化与架构升级，使搜索系统年计算资源成本节约约XXX%。
4.建立的AB实验平台支持算法团队年并行实验数超XXX个，重大错误实验上线次数降为0。
5.培养的XXX名初级工程师成长为团队核心骨干，支撑业务模块独立负责。
主动离职，希望有更多的工作挑战和涨薪机会。
项目经历
公司核心内容平台推荐系统升级项目，原有系统基于规则和简单协同过滤，存在信息茧房严重、新内容冷启动慢、用户停留时长增长停滞等问题。系统架构耦合严重，无法快速实验迭代，服务XXX万日活用户时，推荐结果多样性不足，人均消费内容条数长期徘徊在X左右，且工程链路无法支持复杂深度学习模型在线服务。
项目职责：
1.整体设计：负责新一代推荐系统技术方案设计与核心模块选型，制定从数据、特征、模型到服务的全链路升级路径。
2.算法研发：主导多目标排序模型（兼顾点击、时长、分享）的研发与调优，设计基于用户实时反馈的强化学习探索策略。
3.架构重构：推动系统微服务化改造，拆分召回、粗排、精排、混排等独立服务，引入向量检索引擎与在线特征存储。
4.工程落地：协调数据与工程团队，保障新特征管道与模型服务的高可用部署，建立线上效果监控与报警机制。
项目业绩：
1.推荐系统上线后，平台核心用户人均日消费内容条数从X提升至Y，增长XXX%。
2.推荐内容多样性指标提升XXX%，新内容24小时内曝光率提升XXX%。
3.系统支持模型迭代频率从月级别提升至周级别，团队实验效率提升XXX%。
4.项目成功支撑公司内容业务日活跃用户数突破XXX万，获评年度公司级标杆项目。
教育背景
GPA X.XX/X.X（专业前XX%），主修数据结构、算法设计与分析、机器学习等核心课程，熟练掌握Python/Java编程。课程设计完成一个基于协同过滤的图书推荐系统，负责算法实现与效果评估模块，使用Surprise库在公开数据集上达到预设精度指标。
自我评价
培训经历
系统化学习现代机器学习理论与TensorFlow高级应用，将课程中的模型调试与优化方法论应用于实际排序模型训练中，有效解决了局部过拟合问题，在后续项目中将模型离线评估AUC稳定提升了X个百分点。
资深搜索算法清新简历模板
323人使用适用人群: #搜索算法 #资深[10+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：搜索算法
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 | 搜索算法
2024-09 - 2025-12
XXX科技是一家专注于智能零售与内容服务的科技公司，团队规模约XXX人，核心产品为面向商家的智能营销平台与面向用户的个性化内容应用，日均处理搜索与推荐请求超过XXX亿次，服务全国超过XXX万家中小商户与数千万终端用户。
工作概述：
1.搜索排序：为提升平台商品搜索转化率，主导排序模型迭代；深入分析用户点击与购买序列，融合多模态商品信息，优化特征工程体系；上线融合用户实时意图的深度学习模型，通过线上AB实验验证，核心场景GMV提升XXX%。
2.召回策略：针对长尾商品曝光不足问题，设计多路混合召回架构；结合协同过滤、向量检索与图神经网络，构建用户-商品-场景关联网络；优化冷启动商品嵌入与流量分配机制，使得长尾商品有效曝光率提升XXX%。
3.模型优化：负责核心排序与召回模型的日常迭代与效果保障；建立模型评估与监控体系，定义离线与在线评估指标；实施模型蒸馏与量化压缩方案，在保证效果持平的前提下，模型线上服务资源消耗降低XXX%。
4.系统架构：主导搜索中台架构升级，解决原有系统响应延迟高、迭代周期长的问题；推动服务容器化与流量隔离，设计分级缓存与异步更新机制；系统整体P99延迟降低XXX%，支持算法团队日均实验效率提升XXX%。
5.AB实验：构建并完善搜索算法AB实验平台与数据分析流程；设计科学的实验分流与统计校验方法，建立关键指标看板；规范实验上线与结论复盘流程，将实验分析报告产出周期平均缩短XXX%。
6.工程效率：推动算法工程化流程标准化，主导特征平台与模型服务治理；制定特征生产、模型训练到服务上线的SOP，解决线上线下特征不一致问题；团队新模型从研发到上线的平均周期缩短XXX%。
7.团队培养：负责搜索算法团队XXX名工程师的技术指导与能力建设；组织技术分享与代码评审，建立核心模型的技术文档与维护手册；通过 mentorship 机制，团队新人独立负责模块开发的成长周期缩短XXX%。
工作业绩：
1.主导搜索排序模型连续XXX个季度迭代，关键业务场景转化率累计提升超XXX%。
2.构建的混合召回策略覆盖平台XXX%的流量，用户人均点击商品数提升XXX%。
3.推动模型优化与架构升级，使搜索系统年计算资源成本节约约XXX%。
4.建立的AB实验平台支持算法团队年并行实验数超XXX个，重大错误实验上线次数降为0。
5.培养的XXX名初级工程师成长为团队核心骨干，支撑业务模块独立负责。
[项目经历]
项目名称：智能内容平台推荐系统重构
担任角色：项目负责人
公司核心内容平台推荐系统升级项目，原有系统基于规则和简单协同过滤，存在信息茧房严重、新内容冷启动慢、用户停留时长增长停滞等问题。系统架构耦合严重，无法快速实验迭代，服务XXX万日活用户时，推荐结果多样性不足，人均消费内容条数长期徘徊在X左右，且工程链路无法支持复杂深度学习模型在线服务。
项目业绩：
1.推荐系统上线后，平台核心用户人均日消费内容条数从X提升至Y，增长XXX%。
2.推荐内容多样性指标提升XXX%，新内容24小时内曝光率提升XXX%。
3.系统支持模型迭代频率从月级别提升至周级别，团队实验效率提升XXX%。
4.项目成功支撑公司内容业务日活跃用户数突破XXX万，获评年度公司级标杆项目。
[教育背景]
西安电子科技大学
计算机科学与技术 | 本科
GPA X.XX/X.X（专业前XX%），主修数据结构、算法设计与分析、机器学习等核心课程，熟练掌握Python/Java编程。课程设计完成一个基于协同过滤的图书推荐系统，负责算法实现与效果评估模块，使用Surprise库在公开数据集上达到预设精度指标。