久久精品国产一区二区电影,久久精品国产亚洲av瑜伽,精品无人区一码卡二卡三,久草热8精品视频在线观看 ,久久99精品久久久久麻豆

數(shù)據(jù)挖掘工程師簡歷模板（專業(yè)技能展示）

一份出色的簡歷，對于數(shù)據(jù)挖掘工程師求職來說尤為重要，不僅是展示專業(yè)技能和工作經(jīng)驗(yàn)的平臺，更是向招聘方傳遞自身價(jià)值和潛力的關(guān)鍵。下面是錘子簡歷整理的一篇數(shù)據(jù)挖掘工程師簡歷模板范文，歡迎大家參考閱讀。

求職意向

求職類型：全職   

意向崗位：數(shù)據(jù)挖掘工程師   

意向城市：廣東廣州   

薪資要求：面議   

求職狀態(tài)：隨時(shí)到崗   

教育背景

時(shí)間：201X.9-201X.7   

學(xué)校名稱：錘子簡歷大學(xué) 

專業(yè)名稱：電子商務(wù)   

學(xué)校描述：主修課程包括高等數(shù)學(xué).線性代數(shù).概率論與數(shù)理統(tǒng)計(jì).運(yùn)籌學(xué).C語言.Java.數(shù)據(jù)庫系統(tǒng)概念.網(wǎng)頁設(shè)計(jì)與制作等，成績優(yōu)異，多次獲得校級獎(jiǎng)學(xué)金。

工作經(jīng)歷

時(shí)間：201X.3-至今   

公司名稱：錘子簡歷工作經(jīng)驗(yàn)案例1

職位名稱：數(shù)據(jù)挖掘工程師.服務(wù)端開發(fā)工程師   

廣告系統(tǒng)（DSP）設(shè)計(jì)與開發(fā)：

架構(gòu)設(shè)計(jì)：負(fù)責(zé)設(shè)計(jì)了廣告系統(tǒng)的整體架構(gòu)，提高了系統(tǒng)的可擴(kuò)展性和穩(wěn)定性。

CTR/CVR預(yù)估：通過機(jī)器學(xué)習(xí)算法，提高了廣告點(diǎn)擊率（CTR）和轉(zhuǎn)化率（CVR）的預(yù)估準(zhǔn)確率，CTR提升了15%，CVR提升了10%。

系統(tǒng)開發(fā)：領(lǐng)導(dǎo)團(tuán)隊(duì)完成了廣告系統(tǒng)的核心功能開發(fā)，包括廣告投放.效果跟蹤和數(shù)據(jù)分析等模塊。

性能優(yōu)化：通過優(yōu)化數(shù)據(jù)庫查詢和緩存機(jī)制，減少了系統(tǒng)響應(yīng)時(shí)間，提高了廣告服務(wù)的性能。

推薦系統(tǒng)設(shè)計(jì)與開發(fā)：

架構(gòu)設(shè)計(jì)：構(gòu)建了高效.可擴(kuò)展的推薦系統(tǒng)架構(gòu)，支持億級用戶量和百億級數(shù)據(jù)量的處理。

召回與排序算法：調(diào)研并實(shí)現(xiàn)了多種召回和排序算法，包括協(xié)同過濾.內(nèi)容推薦和深度學(xué)習(xí)等，提高了推薦的準(zhǔn)確性和用戶滿意度。

算法優(yōu)化：通過A/B測試和用戶反饋，不斷優(yōu)化推薦算法，使得用戶點(diǎn)擊率提升了20%，用戶留存率提升了15%。

時(shí)間：201X.10-201X.11   

公司名稱：錘子簡歷工作經(jīng)驗(yàn)案例2

職位名稱：Java開發(fā)工程師   

CAS單點(diǎn)登錄項(xiàng)目開發(fā)：參與了CAS單點(diǎn)登錄項(xiàng)目的開發(fā)，實(shí)現(xiàn)了多系統(tǒng)間的統(tǒng)一身份驗(yàn)證，提高了用戶體驗(yàn)和系統(tǒng)安全性。項(xiàng)目上線后，用戶登錄成功率提升了10%，同時(shí)減少了用戶因多次登錄不同系統(tǒng)而產(chǎn)生的煩惱。

權(quán)限管理項(xiàng)目開發(fā)：負(fù)責(zé)設(shè)計(jì)和開發(fā)了權(quán)限管理系統(tǒng)，實(shí)現(xiàn)了細(xì)粒度的權(quán)限控制，保障了系統(tǒng)數(shù)據(jù)的安全性。通過該系統(tǒng)，企業(yè)能夠更靈活地管理用戶權(quán)限，降低了因權(quán)限泄露而引發(fā)的風(fēng)險(xiǎn)。

門戶項(xiàng)目技術(shù)支持：為公司的門戶項(xiàng)目提供技術(shù)支持，解決了在項(xiàng)目開發(fā)過程中遇到的技術(shù)難題。通過優(yōu)化代碼和數(shù)據(jù)庫性能，提升了門戶網(wǎng)站的訪問速度和穩(wěn)定性。在項(xiàng)目期間，網(wǎng)站訪問量增加了20%，用戶滿意度也相應(yīng)提升。

項(xiàng)目經(jīng)驗(yàn)

時(shí)間：201X.5-至今   

項(xiàng)目名稱：錘子簡歷xxx項(xiàng)目案例

項(xiàng)目角色：DSP廣告平臺（算法負(fù)責(zé)人.服務(wù)端架構(gòu)設(shè)計(jì)開發(fā)）   

項(xiàng)目描述：

DSP廣告平臺是一個(gè)面向廣告主的廣告投放平臺，目標(biāo)是為了提升流量變現(xiàn)效率，增加公司廣告營收。DSP廣告平臺的主要功能包括廣告主的注冊.添加廣告計(jì)劃.添加廣告創(chuàng)意，配置廣告投放的定向條件.支持多種類型的結(jié)算方式（CPM.CPC.oCPM等）.實(shí)時(shí)計(jì)費(fèi).以及最重要的流量優(yōu)化功能。廣告算法的主要目的就是提升流量利用效率。在以CPC結(jié)算形式的廣告投放中，為了使得每次廣告投放的收益最大，需要對下發(fā)廣告的CTR進(jìn)行預(yù)估預(yù)估，并結(jié)合廣告的CPC出價(jià)，計(jì)算本次廣告投放的ecpm值，按照ecpm從大到小排序，選擇ecpm較高的廣告下發(fā)。在oCPM結(jié)算的廣告投放中，除了需要預(yù)估廣告下發(fā)的CTR外，還需要預(yù)估廣告的CVR，然后結(jié)合廣告的轉(zhuǎn)化出價(jià)計(jì)算ecpm，選擇ecpm收益較大的廣告下發(fā)。廣告算法的主要工作在于CTR預(yù)估和CVR預(yù)估。

工作內(nèi)容：

廣告CTR預(yù)估的調(diào)研實(shí)現(xiàn)及優(yōu)化：在算法方面，調(diào)研并測試業(yè)內(nèi)CTR預(yù)估解決方案，比如邏輯回歸（FTRL）.Wide&Deep.DeepFM等算法，在通過離線測試之后，進(jìn)行工程化設(shè)計(jì)并部署上線；在特征工程方面，根據(jù)實(shí)際業(yè)務(wù)場景，探索并測試可能提升模型能力的特征，除了基礎(chǔ)的用戶特征，物品特征，上下文特征之外，嘗試使用各種統(tǒng)計(jì)類特征來提升模型能力，經(jīng)過諸多特征工程的測試后，CTR預(yù)估模型的AUC指標(biāo)提升18%；在模型訓(xùn)練方面，采用負(fù)采樣的方式，大幅降低模型訓(xùn)練時(shí)長，且提升了模型效果和AUC指標(biāo)的穩(wěn)定性；在CTR校準(zhǔn)方面，探索預(yù)估CTR存在偏差的原因.CTR偏差衡量指標(biāo)（ctr_ratio，Q曲線）.及CTR偏差的解決方案（基于模型預(yù)估結(jié)果的正負(fù)樣本分布的方法，基于公式的校準(zhǔn)，基于保序回歸的校準(zhǔn)），在加入CTR預(yù)估校準(zhǔn)的邏輯后，預(yù)估的偏差明顯緩解，ctr_ratio指標(biāo)在1附近小幅波動，Q曲線基本擬合y=x直線；在工程方面，封裝算法SDK，提供簡便易用的模型調(diào)用方法，減少服務(wù)端對接模型的開發(fā)工作，降低因模型對接而產(chǎn)生bug的可能。

廣告CVR預(yù)估的調(diào)研實(shí)現(xiàn)及優(yōu)化：在算法方面，調(diào)研并實(shí)現(xiàn)了Yahoo CVR預(yù)估算法，測試了阿里ESMM模型；在工程方面，封裝CVR預(yù)估模型SDK，方便服務(wù)端調(diào)用，減少模型對接產(chǎn)生的bug；在具體實(shí)現(xiàn)上，解決了不同廣告主轉(zhuǎn)化標(biāo)準(zhǔn)不一致的問題（使用不同轉(zhuǎn)化標(biāo)準(zhǔn)的數(shù)據(jù)訓(xùn)練模型，會導(dǎo)致模型預(yù)估準(zhǔn)確率不高）

服務(wù)端的重構(gòu)設(shè)計(jì)及開發(fā)：快速梳理廣告業(yè)務(wù)邏輯，提出合理的廣告平臺架構(gòu)，實(shí)現(xiàn)模塊之間實(shí)現(xiàn)耦合，業(yè)務(wù)邏輯清晰，易于擴(kuò)展迭代，并且落地實(shí)現(xiàn)。重構(gòu)后的DSP廣告平臺對外開放，運(yùn)行穩(wěn)定，相比將流量賣給廣點(diǎn)通.廣告聯(lián)盟，收入增長翻倍。

項(xiàng)目成果：

廣告CTR預(yù)估模型的上線，平臺整體廣告點(diǎn)擊率提升50+%，CPM提升50+%，大幅提升了平臺的流量利用效率。CVR預(yù)估模型的上線，使廣告平具備以oCPM結(jié)算的能力，降低了廣告主的廣告投放風(fēng)險(xiǎn)，提升廣告平臺在市場上的競爭能力。

項(xiàng)目技術(shù)：

Python，Spark，Tensorflow，Java，Redis，Hive，Storm

時(shí)間：201X.10-201X.10   

項(xiàng)目名稱：錘子簡歷xxx項(xiàng)目案例

項(xiàng)目角色：推薦系統(tǒng)（算法調(diào)研優(yōu)化.服務(wù)端架構(gòu)設(shè)計(jì)開發(fā)）   

項(xiàng)目描述：

推薦系統(tǒng)主要目的是提升用戶的產(chǎn)品體驗(yàn)，增加用戶粘性，進(jìn)而提高用戶留存和用戶活躍時(shí)長。信息流推薦的主要功能是為用戶提供個(gè)性化的內(nèi)容。從工程的角度來看，信息流推

薦系統(tǒng)分為推薦算法和推薦引擎兩部分，推薦算法部分是為推薦引擎提供召回列表.用戶特征.物品特征及模型等數(shù)據(jù)，推薦引擎部分則負(fù)責(zé)讀取算法數(shù)據(jù)，并對內(nèi)容進(jìn)行排序，

在極短的時(shí)間內(nèi)響應(yīng)用戶的請求。從推薦算法的角度來看，信息流推薦分為兩個(gè)階段，第一階段是召回階段，該階段中通過一些召回算法，比如基于規(guī)則的召回.協(xié)同過濾.用戶畫像.基于社交關(guān)系的召回及基于Embedding類算法的召回等算法，從不同的角度獲取到用戶可能感興趣的物品，并將物品存入高速緩存；第二階段是排序階段，排序階段通過使用排序模型，輸入用戶特征.物品特征.上下文特征等信息，對每個(gè)召回的物品輸出一個(gè)用于排序的分?jǐn)?shù)，推薦引擎按照排序分?jǐn)?shù)從高到底對物品進(jìn)行排序，再經(jīng)過一些規(guī)則調(diào)整之后，取出topK的物品，返回給用戶。

工作內(nèi)容：

召回算法的調(diào)研實(shí)現(xiàn)及優(yōu)化：包括協(xié)同過濾算法（用戶協(xié)同.物品協(xié)同.基于模型的協(xié)同）.基于內(nèi)容主題的召回算法.基于內(nèi)容關(guān)鍵詞的畫像召回算法.基于規(guī)則的算法（熱榜.新榜等）.基于社交關(guān)系的推薦（好友在看）.探索利用類算法（e-greedy.湯普森采樣.UCB）.Embedding類算法（item2vec.deepwalk）

排序算法的調(diào)研實(shí)現(xiàn)：FTRL算法的調(diào)研上線及特征工程，fm及ffm算法的調(diào)研測試，深度排序模型的調(diào)研測試，如：wide&deep.deepFM.NFM.FNN.PNN.DCN等算法

推薦引擎的重構(gòu)設(shè)計(jì)及開發(fā)：梳理推薦業(yè)務(wù)邏輯，將推薦模塊從其他業(yè)務(wù)中剝離，成立獨(dú)立的推薦服務(wù)，并根據(jù)推薦業(yè)務(wù)的具體情況， 加入了日志模塊（便于追蹤每一次用戶請求的處理過程，方便追蹤推薦結(jié)果及分析推薦結(jié)果產(chǎn)生的原因）， 流量配置模塊（對于特定的流量，配置推薦邏輯，為推薦算法的優(yōu)化迭代.AB測試提供極大的便利）， 重構(gòu)后的推薦引擎采用大量并行處理邏輯，大幅降低了相應(yīng)延遲，響應(yīng)時(shí)長100ms內(nèi)的請求由原來的90%提升到99.9%

推薦效果的監(jiān)控：在召回階段，監(jiān)控各召回算法的召回條目數(shù).點(diǎn)擊率，閱讀時(shí)長.召回內(nèi)容的多樣性等指標(biāo)；在排序階段，監(jiān)控最終排序結(jié)果的多樣性（包括推薦內(nèi)容的種類數(shù)，推薦內(nèi)容的信息熵）； 分時(shí)段的監(jiān)控請求量，曝光量，點(diǎn)擊量，ctr.各召回算法占比以及響應(yīng)時(shí)長等指標(biāo)。推薦指標(biāo)的監(jiān)控對于推薦業(yè)務(wù)中一些現(xiàn)象的分析， 提供了極大的便利，對于算法的調(diào)優(yōu)有很大的指導(dǎo)作用。

項(xiàng)目成果：

整體來看，召回算法的添加，以及排序算法的優(yōu)化和特征工程等工作，將圖文信息流的ctr提升18%。 對于推薦內(nèi)容的多樣性，從用戶問卷調(diào)查的結(jié)果來看，有明顯的改善

項(xiàng)目技術(shù)：

Python，Spark，Tensorflow，Java，Redis，Hive

自我評價(jià)

善于思考總結(jié)，發(fā)現(xiàn)問題分析問題，并能給出合理的解決方案，且能落地實(shí)現(xiàn)（比如梳理廣告業(yè)務(wù)邏輯，給出清晰的架構(gòu)設(shè)計(jì)并落地實(shí)現(xiàn)；梳理推薦系統(tǒng)的業(yè)務(wù)邏輯，并給出合理的架構(gòu)設(shè)計(jì)并落地實(shí)現(xiàn)；廣告CTR預(yù)估.CVR預(yù)估模型的調(diào)研.實(shí)現(xiàn).優(yōu)化；推薦算法的調(diào)研實(shí)現(xiàn).及算法的封裝.算法計(jì)算效率上的優(yōu)化等）

有較強(qiáng)的自學(xué)能力，自學(xué)機(jī)器學(xué)習(xí).深度學(xué)習(xí)等算法

有較強(qiáng)的工程化能力，對于項(xiàng)目的設(shè)計(jì).開發(fā).部署運(yùn)維輕車熟路

數(shù)學(xué)基礎(chǔ)扎實(shí)，高數(shù).線性代數(shù).概率論基礎(chǔ)比較扎實(shí)，了解泛函分析.隨機(jī)過程中的一些概念。對于常見的機(jī)器學(xué)習(xí)模型（比如相對簡單的線性回歸.邏輯回歸算法，相對比較復(fù)雜的SVM.EM算法等）.深度學(xué)習(xí)模型都做過數(shù)學(xué)推導(dǎo)

英語六級，能夠閱讀英文文獻(xiàn).做英文文獻(xiàn)的技術(shù)調(diào)研

個(gè)人技能

熟悉Linux開發(fā)環(huán)境，熟練使用python.Java.SQL語言

熟悉常見的傳統(tǒng)機(jī)器學(xué)習(xí)算法，如k近鄰.樸素貝葉斯.邏輯回歸.支撐向量機(jī).決策樹.提升方法.EM算法.HMM算法.K-means.SVD等；了解深度學(xué)習(xí)算法，如MLP.CNN.RNN.Transformer等

熟悉信息流推薦業(yè)務(wù)及常見的推薦算法，如協(xié)同過濾.基于規(guī)則推薦.基于社交關(guān)系的推薦.探索利用（E&E）算法，Embedding（item2vec.DeepWalk）類算法.FTRL.wide&deep.DeepFM.NFM等

熟悉廣告業(yè)務(wù)及廣告相關(guān)的算法，對廣告CTR預(yù)估.特征工程.Calibration.廣告CVR預(yù)估有豐富的實(shí)戰(zhàn)經(jīng)驗(yàn)

熟悉Hadoop生態(tài)，對于Spark.Hive.Impala.Storm等大數(shù)據(jù)組件，有豐富的實(shí)際使用經(jīng)驗(yàn)

熟悉Java服務(wù)端開發(fā)，有億級流量服務(wù)的設(shè)計(jì).開發(fā).部署經(jīng)驗(yàn)

熟悉常用的python數(shù)據(jù)分析庫.數(shù)據(jù)可視化庫.機(jī)器學(xué)習(xí)庫，如numpy.scipy.pandas.matplotlib.scikit-learn.xgboost.gensim.Tensorflow等

數(shù)學(xué)基礎(chǔ)扎實(shí)，對于大部分傳統(tǒng)的機(jī)器學(xué)習(xí)算法.深度學(xué)習(xí)算法都做過數(shù)學(xué)推導(dǎo)

良好的英文閱讀能力，能夠獨(dú)立的進(jìn)行算法調(diào)研，并且實(shí)現(xiàn)落地。

文/錘子簡歷

精美簡歷模板，來自錘子簡歷:www.90xin.cn

錘子簡歷(100chui.com)，專業(yè)簡歷制作

著作權(quán)歸作者所有，轉(zhuǎn)載請聯(lián)系作者獲得授權(quán)。