数据挖掘研发工程师简历模板

• 负责用户流失预警模型研发，重构特征体系后AUC由0.78提升至0.86，召回率提升12个百分点。
• 搭建Spark离线特征平台，日均处理10亿级行为数据，特征产出时效由T+1缩短至4小时。
• 主导推荐排序模型迭代，上线后点击率提升9.3%，带动季度GMV增长约600万元。

• 搭建风控反欺诈评分模型，识别准确率达92%，帮助业务方月均减少资损约120万元。
• 负责用户画像与标签体系建设，沉淀300+标签，支撑营销活动转化率提升15%。

• 基于XGBoost与LightGBM构建流失预测模型，结合SHAP完成特征归因，模型AUC达0.86。
• 设计分层召回策略并接入营销系统，召回成功率提升18%，覆盖用户超200万。

• 基于Flink搭建实时特征计算链路，端到端延迟控制在200毫秒内，支撑日均千万级交易。
• 上线规则与模型双引擎，欺诈拦截率提升至95%，误杀率下降3个百分点。

研究方向为数据挖掘与机器学习，参与国家自然科学基金项目1项。

主修课程：概率论、数理统计、数据挖掘、数据库系统。