职场资讯
正在查看在校生算法研究员干练简历模板文字版
陈小湾
求职意向
工作经历
XXX智能是一家专注于计算机视觉与零售行业解决方案的人工智能科技公司，团队规模约XXX人，核心业务是通过图像识别技术为零售商提供智能货架管理和顾客行为分析服务，产品已应用于超过XXX家门店，与多家区域零售品牌达成合作。
工作概述：
1.数据清洗：针对商品图像识别业务中的数据质量问题，设计自动化数据清洗流程；使用Python脚本批量读取图像文件，检测并剔除模糊、遮挡严重的无效图片；根据标注规范检查并修正标签错误；对合格图片进行标准化尺寸调整与格式转换；建立清洗结果日志，将数据可用性提升XXX%，人工审核时间减少XXX%。
2.模型调优：为解决现有识别模型在新品类商品上准确率低的问题，参与模型迭代调优实验；负责准备特定品类的小批量训练数据；在PyTorch框架下调整模型超参数，如学习率和批处理大小；使用验证集评估不同参数组合下的模型表现；记录实验过程与结果，辅助确定最优参数，使目标品类识别准确率提升XXX个百分点，训练收敛时间缩短XXX%。
3.性能优化：为降低模型推理服务的响应延迟，协助进行代码层面的性能分析；使用性能剖析工具定位模型前向传播中的计算瓶颈；尝试替换部分算子实现，并引入轻量级预处理操作；在本地测试环境验证优化效果，确保识别精度波动在允许范围内；将优化方案整理提交，最终协助团队将单张图片平均推理时间从XXX毫秒降低至XXX毫秒。
4.算法部署：支持将优化后的模型从实验环境部署到测试服务器；按照部署文档准备模型文件与依赖环境；使用Docker封装模型服务，编写简单的API接口供前端调用；监控部署后服务的运行状态，记录初始请求的响应情况；协助完成压力测试，保障服务在并发请求下的稳定性，部署成功率达到XXX%。
工作业绩：
1.累计清洗处理超过XXX万张商品图像，构建了X个高质量专项数据集，支撑了X次模型迭代。
2.完成XXX轮模型调优实验，提交XXX份实验报告，关键模型指标提升显著。
3.提出的X项代码优化建议被采纳，核心服务响应效率提升XXX%。
4.独立完成X个模型的容器化部署测试，服务上线后运行稳定，无重大故障。
主动离职，希望有更多的工作挑战和涨薪机会。
项目经历
公司为某连锁便利店集团提供的货品盘查智能化项目，原有依赖人工盘点的方式效率低下，单店盘点需耗时X小时且差错率高。项目目标是开发一套基于摄像头的商品自动识别系统，需在复杂光照、商品重叠及新包装背景下实现高准确率识别，以支撑日均处理来自XXX家门店的超过XXX万张图片的算力需求。
项目职责：
1.数据预处理：负责项目初期部分门店采集图片的预处理工作，包括图像去噪、亮度均衡、以及根据定位信息裁剪出商品区域，为后续标注和训练准备统一格式的数据源。
2.模型训练与调优：在导师指导下，参与基于YOLO架构的检测模型的训练过程，负责配置训练环境、启动训练任务并监控损失曲线；尝试应用不同的数据增强策略以提升模型泛化能力。
3.模型部署测试：将训练好的模型转换为ONNX格式，并在边缘计算设备上进行部署测试，验证其在实际硬件上的推理速度和内存占用是否符合要求。
4.效果监控与反馈：设计简单脚本，对模型在测试集上的识别结果进行批量统计，计算精确率与召回率，并将识别错误的案例归类分析，形成报告反馈给算法团队。
项目业绩：
1.协助完成的商品识别模型在测试集上的平均准确率（mAP）达到X
X.X%，较初期版本提升X个百分点。
2.优化后的模型在边缘设备上的单帧推理时间低于XXX毫秒，满足门店实时盘点需求。
3.项目覆盖的商品品类从初始的XXX个拓展至XXX个，系统已试点应用于XXX家门店。
4.通过流程优化，模型从训练到部署测试的周期缩短了约XXX%。
教育背景
GPA 3.7/4.0（专业前15%），主修数据结构、机器学习、计算机视觉等核心课程。熟练掌握Python编程语言及PyTorch深度学习框架。课程项目‘基于深度学习的图像分类系统’中，独立负责数据增强模块实现与模型调参实验，在公开数据集CIFAR-10上取得92%的准确率。
自我评价
培训经历
通过该认证的深度学习实践课程，系统学习了卷积神经网络的优化与部署流程。将课程中的模型优化技巧应用于商品识别项目，通过调整网络结构与训练策略，协助提升了模型在边缘设备上的推理速度。同时，基于所学整理了模型轻量化相关的技术笔记，在团队内部分享。
在校生算法研究员干练简历模板
674人使用适用人群: #算法研究员 #在校生[找实习]
[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：算法研究员
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 | 算法研究员
2024-09 - 2025-12
XXX智能是一家专注于计算机视觉与零售行业解决方案的人工智能科技公司，团队规模约XXX人，核心业务是通过图像识别技术为零售商提供智能货架管理和顾客行为分析服务，产品已应用于超过XXX家门店，与多家区域零售品牌达成合作。
工作概述：
1.数据清洗：针对商品图像识别业务中的数据质量问题，设计自动化数据清洗流程；使用Python脚本批量读取图像文件，检测并剔除模糊、遮挡严重的无效图片；根据标注规范检查并修正标签错误；对合格图片进行标准化尺寸调整与格式转换；建立清洗结果日志，将数据可用性提升XXX%，人工审核时间减少XXX%。
2.模型调优：为解决现有识别模型在新品类商品上准确率低的问题，参与模型迭代调优实验；负责准备特定品类的小批量训练数据；在PyTorch框架下调整模型超参数，如学习率和批处理大小；使用验证集评估不同参数组合下的模型表现；记录实验过程与结果，辅助确定最优参数，使目标品类识别准确率提升XXX个百分点，训练收敛时间缩短XXX%。
3.性能优化：为降低模型推理服务的响应延迟，协助进行代码层面的性能分析；使用性能剖析工具定位模型前向传播中的计算瓶颈；尝试替换部分算子实现，并引入轻量级预处理操作；在本地测试环境验证优化效果，确保识别精度波动在允许范围内；将优化方案整理提交，最终协助团队将单张图片平均推理时间从XXX毫秒降低至XXX毫秒。
4.算法部署：支持将优化后的模型从实验环境部署到测试服务器；按照部署文档准备模型文件与依赖环境；使用Docker封装模型服务，编写简单的API接口供前端调用；监控部署后服务的运行状态，记录初始请求的响应情况；协助完成压力测试，保障服务在并发请求下的稳定性，部署成功率达到XXX%。
工作业绩：
1.累计清洗处理超过XXX万张商品图像，构建了X个高质量专项数据集，支撑了X次模型迭代。
2.完成XXX轮模型调优实验，提交XXX份实验报告，关键模型指标提升显著。
3.提出的X项代码优化建议被采纳，核心服务响应效率提升XXX%。
4.独立完成X个模型的容器化部署测试，服务上线后运行稳定，无重大故障。
[项目经历]
项目名称：零售门店商品识别模型开发
担任角色：项目负责人
公司为某连锁便利店集团提供的货品盘查智能化项目，原有依赖人工盘点的方式效率低下，单店盘点需耗时X小时且差错率高。项目目标是开发一套基于摄像头的商品自动识别系统，需在复杂光照、商品重叠及新包装背景下实现高准确率识别，以支撑日均处理来自XXX家门店的超过XXX万张图片的算力需求。
项目业绩：
1.协助完成的商品识别模型在测试集上的平均准确率（mAP）达到X
X.X%，较初期版本提升X个百分点。
2.优化后的模型在边缘设备上的单帧推理时间低于XXX毫秒，满足门店实时盘点需求。
3.项目覆盖的商品品类从初始的XXX个拓展至XXX个，系统已试点应用于XXX家门店。
4.通过流程优化，模型从训练到部署测试的周期缩短了约XXX%。
[教育背景]
山西大学
计算机科学与技术 | 本科
GPA 3.7/4.0（专业前15%），主修数据结构、机器学习、计算机视觉等核心课程。熟练掌握Python编程语言及PyTorch深度学习框架。课程项目‘基于深度学习的图像分类系统’中，独立负责数据增强模块实现与模型调参实验，在公开数据集CIFAR-10上取得92%的准确率。