深度学习工程师简历模板

• 负责商品图像识别模型迭代，mAP提升6.2个百分点，线上误判率下降30%。
• 主导模型量化与TensorRT部署优化，单次推理时延由38ms降至21ms。
• 搭建分布式训练流水线，千卡训练任务周期缩短约40%。

• 参与OCR文本检测与识别模型研发，识别准确率由92.5%提升至96.8%。
• 负责训练数据清洗与增强流程建设，标注返工量减少约35%。

• 融合图像与文本特征构建多模态检索模型，Top-10召回率提升至89%。
• 设计两阶段蒸馏方案，模型参数量压缩60%且精度损失小于1%。
• 推动模型在推荐场景上线，点击率相对提升4.3%。

• 基于小样本学习构建缺陷检测模型，漏检率由8%降至2.1%。
• 完成边缘端模型部署，单张图像推理耗时控制在50ms以内。

研究方向为计算机视觉；相关课程：机器学习、模式识别、最优化方法。

主修数据结构、算法设计与数据库系统，GPA 3.6/4.0。