深度学习工程师简历模板

• 负责视觉识别模型研发与迭代，主导检测模型重构，线上mAP提升6.2个百分点。
• 搭建分布式训练与自动调参流程，单次训练周期由72小时缩短至28小时。
• 推动模型量化与TensorRT部署，推理延迟降低45%，单卡吞吐提升2.1倍。

• 参与多模态内容理解项目，负责文本与图像特征融合，分类准确率提升5.8个百分点。
• 构建数据清洗与标注质量校验流程，训练数据可用率由82%提升至96%。
• 完成模型服务化上线，支撑日均300万次请求，P99延迟控制在80毫秒内。

• 基于ViT与对比学习构建细粒度分类方案，Top-1准确率由86.4%提升至92.1%。
• 设计半监督伪标签训练流程，人工标注量减少60%，整体训练成本下降约35%。
• 完成模型蒸馏与量化部署，端侧推理耗时降低52%，已覆盖3条业务线。

• 负责图文双塔召回模型优化，Recall@10提升9.3个百分点。
• 引入难负样本挖掘与向量索引优化，检索响应时间由120毫秒降至45毫秒。

研究方向为计算机视觉与深度学习，参与实验室图像识别相关课题。

主修数据结构、机器学习导论、线性代数等课程，CET-6。