XXX科技是一家专注于计算机视觉与工业AI解决方案的高新技术企业，团队规模约XXX人。核心业务是为制造业与安防行业提供智能检测与视频分析产品，服务超过XXX家行业客户，多项自研算法在行业评测中取得领先排名。

工作概述：

1.模型训练：为满足客户对缺陷检测精度的严苛要求，主导设计并训练新的检测模型。通过分析业务场景特点，构建针对性更强的多尺度训练数据集。利用改进的损失函数与数据增强策略优化训练过程。模型在内部测试集上准确率提升XXX%，同时将单次模型训练的平均成本降低XXX%。

2.架构设计：针对云端与边缘端混合部署需求，设计并实现模型服务化架构。将核心模型封装为标准化API服务，统一管理模型版本与依赖环境。构建了自动化的模型打包与发布流水线，支持一键部署到不同硬件平台，使新模型从开发到上线的平均周期缩短XXX%。

3.性能优化：解决实际部署中模型推理速度慢的问题。分析模型计算瓶颈，应用层融合、算子替换与量化压缩技术对模型进行深度优化。在保证精度损失小于XXX%的前提下，将关键模型的推理速度提升XXX倍，满足产线实时检测的毫秒级响应要求。

4.算法落地：负责将实验室算法迁移至真实客户环境。深入客户现场分析数据分布差异，设计适配性数据预处理流程与后处理逻辑。编写完整的部署文档与问题排查指南，推动算法在XXX条产线上稳定运行，将客户现场的算法适配周期平均减少XXX天。

5.团队协作：带领一个X人的算法小组进行技术攻关。负责分解项目任务，制定技术实施方案与排期。组织代码评审与技术分享会，建立小组内部的知识沉淀机制。通过流程改进，小组人均产出效率提升XXX%，代码复用率提高XXX%。

6.前沿研究：跟踪深度学习在视觉领域的最新进展。定期组织团队研读顶会论文，评估新技术在业务场景的应用潜力。主导引入并验证了XXX项新型网络结构或训练技巧，其中X项成功应用于产品迭代，带来显著效果提升。

7.工程规范：为提升团队整体代码质量与项目可维护性，主导制定并推行算法开发规范。统一了数据预处理、模型训练、评估验证的代码框架与接口标准。引入CI/CD工具链对模型训练代码进行自动化测试，将因环境差异导致的训练失败率降低XXX%。

工作业绩：

1.主导并交付了超过XXX个工业视觉检测与视频分析模型，平均准确率达到X

X.X%，获得客户验收。

2.设计的模型服务架构支撑了公司核心产品线的全部AI能力，日均处理推理请求超过XXX万次，系统可用性达X

X.X%。

3.通过持续的模型优化工作，为公司节省了约XXX%的云计算推理资源成本。

4.带领团队获得公司级技术创新奖X次，所负责的项目客户续约率提升XXX%。

5.培养初级工程师X名，其中X名已能独立负责模块开发。

6.主导编写的《XXX算法开发与部署规范》成为部门标准文档。

7.通过技术预研与应用，助力公司拿下XXX个重点标杆项目。

公司战略级产品，旨在为智慧园区与安全生产场景提供实时视频行为识别服务。原有算法在复杂光照、遮挡及小目标场景下识别率波动大，平均准确率仅XX%，无法满足合同要求的XX%标准。同时，模型体积庞大，难以在客户现有的边缘计算设备上部署，导致项目交付成本高昂且延迟显著。项目需要攻克复杂场景下的模型泛化能力与轻量化部署两大难题。

项目业绩：

1.算法在内部封闭测试集上的平均准确率提升至X

X.X%，在XXX个真实客户场景的实地测试中，关键行为识别准确率稳定在XX%以上，达到验收标准。

2.优化后的模型体积减少XXX%，在XXX型号边缘设备上的推理速度达到每秒XXX帧，满足实时分析要求。

3.该平台成功应用于XXX家制造企业与智慧园区，帮助客户将异常事件发现与处置的平均时间缩短了XXX%。

4.项目形成的轻量化模型部署方案成为公司标准，被后续X个同类项目复用，平均减少初期研发投入XXX人/月。

GPA X.XX（专业前XX%），系统学习了机器学习、模式识别与计算机视觉相关核心课程。熟练掌握Python与C++，课程设计项目为基于深度学习的交通标志识别系统，负责完成数据清洗、模型训练与性能评估全流程，最终模型在测试集上取得XX%的识别率。具备扎实的数学与算法基础。