职场资讯
正在查看在校生深度学习清新简历模板文字版
陈小湾
求职意向
工作经历
XXX智能是专注于计算机视觉技术研发与应用的人工智能公司，团队规模约XXX人，核心业务是为制造业与安防领域提供智能质检及行为分析解决方案，其算法模型已部署于超过XXX家工厂的产线，与多家行业头部客户建立了长期合作。
工作概述：
1.数据预处理：为提升模型训练效率，负责清洗与标注工业场景图像数据；制定数据质量检查规则，通过脚本批量处理图像尺寸与格式，利用开源工具进行数据增强，构建标准化数据流水线，将单批次数据准备时间缩短XXX%，支撑了后续XXX个模型的训练任务。
2.模型训练：参与缺陷检测模型的迭代训练任务，根据算法工程师提供的参数配置运行训练脚本；监控训练过程的损失函数与准确率曲线，及时反馈训练异常，协助调整学习率等超参数，使得模型在测试集上的平均精度提升XXX个百分点。
3.模型部署：协助将训练好的模型部署到测试服务器，负责转换模型格式以适应推理框架；编写简单的接口调用示例，配合开发团队完成功能联调，将单模型从训练完成到提供测试服务的周期稳定在XXX天以内。
4.实验分析：负责整理模型版本的实验记录与性能指标，使用表格对比不同数据增强策略或参数下的结果；分析bad case样本，归纳常见错误类型并提交报告，为算法优化提供了XXX条有效线索。
工作业绩：
1.独立完成超过XXX张工业产品图像的清洗、增强与标注任务，数据交付准确率达到XXX%。
2.参与训练并跟踪了X个缺陷检测模型，协助将关键模型的召回率从XX%提升至XX%。
3.成功协助部署X个模型至测试环境，所有接口联调一次性通过，未出现版本错误。
4.系统化归档了XX次训练实验记录，提交的bad case分析报告被采纳并指导了后续两轮数据采集工作。
主动离职，希望有更多的工作挑战和涨薪机会。
项目经历
课程团队项目，目标是开发一个能够自动识别图片中天气状况（晴、雨、雪、雾等）的移动端应用原型。项目面临公开数据集质量参差不齐、类别不均衡，以及移动端模型轻量化要求高的挑战，需要兼顾识别准确率与推理速度。
项目职责：
1.负责数据收集与整理：从多个公开数据源爬取并筛选天气图片，手动清理错误标签样本，运用过采样与数据增强技术缓解类别不均衡问题，构建了包含XXX张图片的数据集。
2.参与模型选型与训练：对比ResNet、MobileNet等轻量级网络在自建数据集上的表现，选择MobileNetV2作为基础模型进行微调；参与调整数据加载流程与训练参数，完成模型训练。
3.协助模型优化与测试：使用TensorRT对训练好的模型进行量化与加速，测试其在模拟移动端的推理速度；编写测试脚本，在保留测试集上评估模型最终性能。
项目业绩：
1.构建了高质量的专用天气识别数据集，规模达XXX张，类别均衡性提升XXX%。
2.最终模型的整体识别准确率达到X
X.X%，在模拟移动设备上的单张图片平均推理时间低于XXX毫秒。
3.项目成果作为课程设计优秀作品进行展示，代码与报告在团队内部获评最高分。
教育背景
GPA X.XX/X.X（专业前XX%），主修深度学习、计算机视觉与Python编程核心课程。主导课程项目‘天气识别系统’，负责数据集构建与模型轻量化部署，使用PyTorch与TensorRT，实现准确率XX.X%。熟练掌握Python、PyTorch框架及Linux基础开发环境。
自我评价
培训经历
学习并考取该认证，掌握云服务器ECS、对象存储OSS等核心服务的使用。在实习期间，将所学应用于模型训练环境搭建，通过OSS管理训练数据集与模型权重，利用ECS快速部署测试服务，提升了资源利用与协作效率。
在校生深度学习清新简历模板
805人使用适用人群: #深度学习 #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：深度学习
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 | 深度学习
2024-09 - 2025-12
XXX智能是专注于计算机视觉技术研发与应用的人工智能公司，团队规模约XXX人，核心业务是为制造业与安防领域提供智能质检及行为分析解决方案，其算法模型已部署于超过XXX家工厂的产线，与多家行业头部客户建立了长期合作。
工作概述：
1.数据预处理：为提升模型训练效率，负责清洗与标注工业场景图像数据；制定数据质量检查规则，通过脚本批量处理图像尺寸与格式，利用开源工具进行数据增强，构建标准化数据流水线，将单批次数据准备时间缩短XXX%，支撑了后续XXX个模型的训练任务。
2.模型训练：参与缺陷检测模型的迭代训练任务，根据算法工程师提供的参数配置运行训练脚本；监控训练过程的损失函数与准确率曲线，及时反馈训练异常，协助调整学习率等超参数，使得模型在测试集上的平均精度提升XXX个百分点。
3.模型部署：协助将训练好的模型部署到测试服务器，负责转换模型格式以适应推理框架；编写简单的接口调用示例，配合开发团队完成功能联调，将单模型从训练完成到提供测试服务的周期稳定在XXX天以内。
4.实验分析：负责整理模型版本的实验记录与性能指标，使用表格对比不同数据增强策略或参数下的结果；分析bad case样本，归纳常见错误类型并提交报告，为算法优化提供了XXX条有效线索。
工作业绩：
1.独立完成超过XXX张工业产品图像的清洗、增强与标注任务，数据交付准确率达到XXX%。
2.参与训练并跟踪了X个缺陷检测模型，协助将关键模型的召回率从XX%提升至XX%。
3.成功协助部署X个模型至测试环境，所有接口联调一次性通过，未出现版本错误。
4.系统化归档了XX次训练实验记录，提交的bad case分析报告被采纳并指导了后续两轮数据采集工作。
[项目经历]
项目名称：基于深度学习的天气识别系统
担任角色：项目负责人
课程团队项目，目标是开发一个能够自动识别图片中天气状况（晴、雨、雪、雾等）的移动端应用原型。项目面临公开数据集质量参差不齐、类别不均衡，以及移动端模型轻量化要求高的挑战，需要兼顾识别准确率与推理速度。
项目业绩：
1.构建了高质量的专用天气识别数据集，规模达XXX张，类别均衡性提升XXX%。
2.最终模型的整体识别准确率达到X
X.X%，在模拟移动设备上的单张图片平均推理时间低于XXX毫秒。
3.项目成果作为课程设计优秀作品进行展示，代码与报告在团队内部获评最高分。
[教育背景]
江苏大学
人工智能 | 本科
GPA X.XX/X.X（专业前XX%），主修深度学习、计算机视觉与Python编程核心课程。主导课程项目‘天气识别系统’，负责数据集构建与模型轻量化部署，使用PyTorch与TensorRT，实现准确率XX.X%。熟练掌握Python、PyTorch框架及Linux基础开发环境。