职场资讯
正在查看中级深度学习明快简历模板文字版
陈小湾
求职意向
工作经历
XXX科技是一家专注智能驾驶领域技术研发的公司，团队规模约XXX人，核心业务为基于深度学习的自动驾驶感知系统研发与解决方案提供，产品已服务于国内多家主流车厂，完成超过XXX万公里的真实道路测试。
工作概述：
1.模型训练：负责车载摄像头目标检测模型的迭代训练与调优，针对雨雾、夜晚等复杂场景数据，调整网络结构与训练策略，通过混合精度训练与分布式训练框架，将模型平均精度均值提升XXX个百分点，单次完整训练周期缩短XXX%。
2.数据管理：构建与维护模型训练所需的数据流水线，设计数据清洗与增强方案，与数据标注团队协同制定标注规范，管理超过XXX万张图像数据集，使得问题数据占比下降至X%以内，标注质量抽检合格率稳定在XX%以上。
3.性能优化：分析模型在嵌入式平台上的推理瓶颈，进行模型剪枝与量化，将模型体积压缩至原大小的XX%，推理速度提升XXX%，内存占用降低XX%，满足车规级硬件部署的实时性要求。
4.模型部署：将训练好的深度学习模型转换为ONNX格式，并集成至车载计算单元的C++推理框架中，编写前后处理代码，解决不同平台间的算子兼容性问题，完成模型在量产硬件上的端到端部署与功能验证。
5.技术文档：编写模型训练、评估与部署的全流程技术文档，制定模型版本管理规范，为新同事提供技术要点培训，累计输出文档XX份，支撑团队知识库的建立与迭代。
6.跨部门协作：与算法、软件、测试部门定期沟通，明确需求与验收标准，跟进模型在实车测试中的表现，收集bad case并反馈至训练环节，推动问题闭环，协作解决关键问题超过XXX个。
工作业绩：
1.主导完成X代目标检测模型的迭代升级，关键指标mAP提升至X
X.X%，有效支持了X款新车型的感知方案落地。
2.优化数据处理流程，使数据准备效率提升XXX%，保障了高频次模型迭代的数据供应。
3.通过模型压缩与优化，使核心算法在目标硬件上的单帧推理时间稳定在XX毫秒以内，满足项目SLA要求。
4.成功将X个主要模型部署至量产平台，并通过车厂的功能安全与性能测试。
5.建立的标准技术文档与流程，使新模型从训练到部署的周期平均缩短X天。
6.通过高效的跨部门协作，将模型问题从发现到修复的平均周期缩短了XXX%。
主动离职，希望有更多的工作挑战和涨薪机会。
项目经历
公司为下一代智能驾驶平台开发的核心感知项目，需在算力有限的域控制器上实现高精度的道路场景实时分割。原有模型在复杂城市道路上的分割精度不足XX%，且推理速度无法达到每秒XX帧的实时性要求，严重影响了车道保持与路径规划模块的性能。项目涉及大规模精细化标注数据集的构建、轻量化分割网络设计以及极致的端侧性能优化。
项目职责：
1.网络结构设计：负责轻量化分割网络的主干网络选型与改进，引入注意力机制与特征融合模块，在参数量仅增加X%的情况下，显著提升了对小物体与场景边缘的分割能力。
2.训练策略实施：主导模型训练全过程，设计多阶段训练策略与损失函数，利用课程学习思想从易到难使用数据，解决了类别不平衡问题，将模型在关键类别上的IoU提升了XXX个百分点。
3.部署与加速：将PyTorch模型转换为TensorRT引擎，优化网络层融合与内存分配，并编写CUDA内核实现自定义算子的高效计算，最终在Jetson AGX平台上达到实时推理性能。
4.效果评估与分析：建立完整的模型评估体系，除常规精度指标外，增加对内存、功耗的监控，分析bad case生成专题报告，指导了后续两轮数据标注与模型迭代的重点方向。
项目业绩：
1.分割模型在内部测试集上的平均IoU达到X
X.X%，较基线模型提升
X.X%，满足车厂定下的XX%的验收标准。
2.优化后的模型在目标硬件上的推理速度达到每秒XXX帧，完全满足实时性要求，同时功耗降低了XX%。
3.项目成果直接应用于X款预研车型的感知系统，支撑公司拿到了XXX车厂的价值XXX万元的新项目定点。
4.过程中沉淀的模型轻量化与部署优化方案，成为团队后续类似项目的标准技术路径。
教育背景
GPA X.XX/4.0（专业前XX%），主修人工智能、机器学习、计算机视觉等核心课程。熟练掌握Python、C++编程语言及PyTorch、TensorFlow深度学习框架。课程设计完成基于深度学习的交通标志识别系统，负责数据预处理、CNN模型搭建与训练，在测试集上取得XX%的识别准确率。
自我评价
培训经历
系统学习了TensorFlow高级API使用、分布式训练及模型部署技术。将认证所学的模型量化与TFLite转换工具应用于实际的车载模型部署流程，成功将一组关键模型的移动端推理速度优化了XXX%，并减少了约XX%的存储空间占用，相关实践已纳入部门模型部署规范。
中级深度学习明快简历模板
714人使用适用人群: #深度学习 #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：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科技是一家专注智能驾驶领域技术研发的公司，团队规模约XXX人，核心业务为基于深度学习的自动驾驶感知系统研发与解决方案提供，产品已服务于国内多家主流车厂，完成超过XXX万公里的真实道路测试。
工作概述：
1.模型训练：负责车载摄像头目标检测模型的迭代训练与调优，针对雨雾、夜晚等复杂场景数据，调整网络结构与训练策略，通过混合精度训练与分布式训练框架，将模型平均精度均值提升XXX个百分点，单次完整训练周期缩短XXX%。
2.数据管理：构建与维护模型训练所需的数据流水线，设计数据清洗与增强方案，与数据标注团队协同制定标注规范，管理超过XXX万张图像数据集，使得问题数据占比下降至X%以内，标注质量抽检合格率稳定在XX%以上。
3.性能优化：分析模型在嵌入式平台上的推理瓶颈，进行模型剪枝与量化，将模型体积压缩至原大小的XX%，推理速度提升XXX%，内存占用降低XX%，满足车规级硬件部署的实时性要求。
4.模型部署：将训练好的深度学习模型转换为ONNX格式，并集成至车载计算单元的C++推理框架中，编写前后处理代码，解决不同平台间的算子兼容性问题，完成模型在量产硬件上的端到端部署与功能验证。
5.技术文档：编写模型训练、评估与部署的全流程技术文档，制定模型版本管理规范，为新同事提供技术要点培训，累计输出文档XX份，支撑团队知识库的建立与迭代。
6.跨部门协作：与算法、软件、测试部门定期沟通，明确需求与验收标准，跟进模型在实车测试中的表现，收集bad case并反馈至训练环节，推动问题闭环，协作解决关键问题超过XXX个。
工作业绩：
1.主导完成X代目标检测模型的迭代升级，关键指标mAP提升至X
X.X%，有效支持了X款新车型的感知方案落地。
2.优化数据处理流程，使数据准备效率提升XXX%，保障了高频次模型迭代的数据供应。
3.通过模型压缩与优化，使核心算法在目标硬件上的单帧推理时间稳定在XX毫秒以内，满足项目SLA要求。
4.成功将X个主要模型部署至量产平台，并通过车厂的功能安全与性能测试。
5.建立的标准技术文档与流程，使新模型从训练到部署的周期平均缩短X天。
6.通过高效的跨部门协作，将模型问题从发现到修复的平均周期缩短了XXX%。
[项目经历]
项目名称：车载实时语义分割系统
担任角色：项目负责人
公司为下一代智能驾驶平台开发的核心感知项目，需在算力有限的域控制器上实现高精度的道路场景实时分割。原有模型在复杂城市道路上的分割精度不足XX%，且推理速度无法达到每秒XX帧的实时性要求，严重影响了车道保持与路径规划模块的性能。项目涉及大规模精细化标注数据集的构建、轻量化分割网络设计以及极致的端侧性能优化。
项目业绩：
1.分割模型在内部测试集上的平均IoU达到X
X.X%，较基线模型提升
X.X%，满足车厂定下的XX%的验收标准。
2.优化后的模型在目标硬件上的推理速度达到每秒XXX帧，完全满足实时性要求，同时功耗降低了XX%。
3.项目成果直接应用于X款预研车型的感知系统，支撑公司拿到了XXX车厂的价值XXX万元的新项目定点。
4.过程中沉淀的模型轻量化与部署优化方案，成为团队后续类似项目的标准技术路径。
[教育背景]
河北工业大学
计算机科学与技术 | 本科
GPA X.XX/4.0（专业前XX%），主修人工智能、机器学习、计算机视觉等核心课程。熟练掌握Python、C++编程语言及PyTorch、TensorFlow深度学习框架。课程设计完成基于深度学习的交通标志识别系统，负责数据预处理、CNN模型搭建与训练，在测试集上取得XX%的识别准确率。