职场资讯
正在查看应届生机器学习简约简历模板文字版
陈小湾
求职意向
工作经历
XXX智能是专注于为传统制造业提供AI视觉解决方案的科技公司，团队规模约XXX人，核心业务是基于深度学习的工业质检与预测性维护，产品已服务于超过XXX家制造企业，与多家区域龙头企业建立试点合作。
工作概述：
1.数据标注：为提升模型训练数据质量，依据缺陷标准建立图像标注规则；使用标注工具对产线采集的XXX万张图像进行缺陷区域框选与分类；定期与算法工程师复核标注一致性，清洗错误样本，将训练集准确率提升至XXX%。
2.模型训练：协助工程师完成卷积神经网络模型的日常训练任务；配置训练环境与参数，监控损失函数曲线与验证集精度变化；根据结果反馈调整数据增强策略，参与优化了XXX个模型版本的迭代。
3.代码开发：负责部分模型验证与数据预处理脚本的编写与维护；使用Python实现批量图像格式转换、尺寸归一化及简单滤波操作；封装常用函数形成工具包，被团队调用，将预处理效率提升XXX%。
4.结果分析：跟踪模型在测试集上的表现，整理混淆矩阵与分类报告；统计各类缺陷的查全率与查准率，定位高频误检样本；编写分析简报并提出XXX条数据补充建议，辅助算法优化决策。
工作业绩：
1.累计完成XXX万张工业图像的数据标注与清洗工作，保障了季度内X个核心模型的数据供应。
2.独立执行并跟踪了XXX次模型训练任务，协助将某关键模型的平均训练周期缩短了XXX小时。
3.开发并维护了X个数据预处理工具脚本，团队使用后，单次任务的平均代码编写量减少XXX行。
4.产出XXX份模型测试分析报告，其中提出的X条改进建议被采纳，推动相关模型精度提升X%。
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XXX电子厂部署的AI质检项目，原有产线依赖人工目检，漏检率高达X%，且效率低下导致产能瓶颈。项目需在嘈杂的工厂环境中，对微小至XXX微米的焊接点缺陷（如虚焊、连锡）进行实时识别，原有通用模型在此场景下准确率不足XX%，无法满足客户日均检测XXX万焊点的需求。
项目职责：
1.功能开发：负责数据流水线构建与模型验证模块开发，使用OpenCV与PyTorch搭建数据加载、增强及结果可视化流程。
2.模型优化：参与针对小目标缺陷的数据增强策略设计，通过模拟不同光照与角度生成对抗样本，辅助提升模型鲁棒性。
3.部署支持：协助将训练好的模型转换为ONNX格式，并编写接口测试脚本，验证其在边缘计算设备上的推理速度与精度。
4.文档编写：整理项目实验记录、参数配置说明及模型性能测试报告，形成内部技术文档共XXX页。
项目业绩：
1.项目部署后，PCB板焊接缺陷的整体检测准确率达到X
X.X%，漏检率从X%降低至
X.X%。
2.系统实现单张图片平均XXX毫秒的检测速度，使产线检测效率提升XXX%，客户产能增加XX%。
3.所构建的数据流水线被复用于后续X个类似工业视觉项目，平均节省项目初期数据准备时间XXX人日。
教育背景
GPA X.XX/X.X（专业前XX%），主修机器学习、数据结构与算法核心课程，参与基于深度学习的遥感图像分类课程项目，在团队中负责数据预处理与特征提取模块编码，使用Python与Scikit-learn完成，最终模型在测试集上取得XX.X%的准确率。熟练掌握Python编程语言，了解PyTorch深度学习框架的基本使用。
自我评价
培训经历
系统学习了机器学习基础概念、TensorFlow框架使用及模型评估方法。将证书中的结构化数据处理与特征工程知识应用于实际工作，优化了项目中的数据预处理流程，使后续模型训练的数据输入效率提升约XXX%。学习产出的笔记与代码示例整理为内部分享材料。
应届生机器学习简约简历模板
409人使用适用人群: #机器学习 #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：机器学习
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 | 机器学习
2024-09 - 2025-12
XXX智能是专注于为传统制造业提供AI视觉解决方案的科技公司，团队规模约XXX人，核心业务是基于深度学习的工业质检与预测性维护，产品已服务于超过XXX家制造企业，与多家区域龙头企业建立试点合作。
工作概述：
1.数据标注：为提升模型训练数据质量，依据缺陷标准建立图像标注规则；使用标注工具对产线采集的XXX万张图像进行缺陷区域框选与分类；定期与算法工程师复核标注一致性，清洗错误样本，将训练集准确率提升至XXX%。
2.模型训练：协助工程师完成卷积神经网络模型的日常训练任务；配置训练环境与参数，监控损失函数曲线与验证集精度变化；根据结果反馈调整数据增强策略，参与优化了XXX个模型版本的迭代。
3.代码开发：负责部分模型验证与数据预处理脚本的编写与维护；使用Python实现批量图像格式转换、尺寸归一化及简单滤波操作；封装常用函数形成工具包，被团队调用，将预处理效率提升XXX%。
4.结果分析：跟踪模型在测试集上的表现，整理混淆矩阵与分类报告；统计各类缺陷的查全率与查准率，定位高频误检样本；编写分析简报并提出XXX条数据补充建议，辅助算法优化决策。
工作业绩：
1.累计完成XXX万张工业图像的数据标注与清洗工作，保障了季度内X个核心模型的数据供应。
2.独立执行并跟踪了XXX次模型训练任务，协助将某关键模型的平均训练周期缩短了XXX小时。
3.开发并维护了X个数据预处理工具脚本，团队使用后，单次任务的平均代码编写量减少XXX行。
4.产出XXX份模型测试分析报告，其中提出的X条改进建议被采纳，推动相关模型精度提升X%。
[项目经历]
项目名称：PCB板焊接缺陷智能检测系统
担任角色：项目负责人
公司为XXX电子厂部署的AI质检项目，原有产线依赖人工目检，漏检率高达X%，且效率低下导致产能瓶颈。项目需在嘈杂的工厂环境中，对微小至XXX微米的焊接点缺陷（如虚焊、连锡）进行实时识别，原有通用模型在此场景下准确率不足XX%，无法满足客户日均检测XXX万焊点的需求。
项目业绩：
1.项目部署后，PCB板焊接缺陷的整体检测准确率达到X
X.X%，漏检率从X%降低至
X.X%。
2.系统实现单张图片平均XXX毫秒的检测速度，使产线检测效率提升XXX%，客户产能增加XX%。
3.所构建的数据流水线被复用于后续X个类似工业视觉项目，平均节省项目初期数据准备时间XXX人日。
[教育背景]
河北大学
计算机科学与技术 | 本科
GPA X.XX/X.X（专业前XX%），主修机器学习、数据结构与算法核心课程，参与基于深度学习的遥感图像分类课程项目，在团队中负责数据预处理与特征提取模块编码，使用Python与Scikit-learn完成，最终模型在测试集上取得XX.X%的准确率。熟练掌握Python编程语言，了解PyTorch深度学习框架的基本使用。