UP简历小U

+86 138-0013-8000|up.ai.user@example.com|北京

个人总结

资深算法工程师，专注于推荐系统、机器学习和深度学习领域，具备丰富的短视频推荐算法优化经验。精通Python及主流AI框架，擅长从数据中挖掘价值，并通过创新算法和模型迭代显著提升产品核心指标。在短视频推荐算法优化方面，通过精细化用户画像与行为分析，成功将人均使用时长提升了15%，有效驱动了用户增长与活跃度提升。

工作经历

高级算法工程师

某头部互联网公司

2021-07 - 2024-05

深度参与公司核心短视频推荐系统的设计与优化工作，负责算法策略的研发、迭代与效果评估。
主导用户行为建模与特征工程，引入多模态信息（如视频内容、用户评论），提升推荐多样性与精准度，使人均使用时长提升了15%，日均点击率提高12%。
负责基于深度学习的召回与排序模型优化，包括Transformer、Graph Neural Networks等前沿技术在推荐场景的应用，将模型离线AUC提升3%，在线CTR提升1.8%。
构建并维护A/B测试平台，对新算法方案进行严谨的线上灰度验证与效果分析，确保每次迭代的稳定性与正向收益。
与产品、数据团队紧密协作，将算法成果成功落地到亿级用户产品，支持了多项核心业务指标的增长，年度贡献业务价值超过千万。
指导初级算法工程师，定期分享技术经验与前沿进展，共同提升团队整体技术水平。

项目经历

短视频内容理解与标签系统

公司内部项目

2022-09 - 2023-03

项目背景：为提升短视频推荐的精准性，需要构建一套高效的内容理解与标签系统。
个人职责：作为核心算法工程师，负责设计并实现基于多模态融合的视频内容理解模型，包括视频帧特征提取、音频特征分析、文本信息处理等。
技术栈：TensorFlow, PyTorch, BERT, ResNet, LSTM。
项目成果：成功构建了包含5000+个细粒度标签的自动化标注系统，标签准确率达到90%以上。该系统上线后，显著提升了推荐内容的相关性，用户投诉率下降了8%，推荐模型点击率提升了1.5%。

用户兴趣图谱构建与应用

公司内部项目

2021-11 - 2022-05

项目背景：优化长尾用户与新用户的推荐体验，解决冷启动和兴趣探索问题。
个人职责：主导设计并实现了基于用户行为数据和内容标签的用户兴趣图谱构建算法。利用图嵌入技术（如Node2Vec, GraphSAGE）挖掘用户潜在兴趣和物品关联。
技术栈：Python, Spark, Neo4j, Scikit-learn, TensorFlow。
项目成果：构建了包含数亿节点和数十亿边的用户兴趣图谱，实现了对用户兴趣的动态更新与个性化建模。该图谱应用于推荐系统后，新用户首日留存率提升了7%，长尾内容的曝光率增加了20%。