UP简历小U

13800138000|xiaou@example.com|北京

资深AI质检系统工程师，精通机器学习、深度学习算法在质检领域的应用，具备强大的系统设计与优化能力。擅长构建高效率、高准确性的智能质检解决方案，在自然语言处理和语音识别方面拥有丰富的实战经验。致力于通过技术创新提升业务效率和产品质量，为企业创造显著价值。

字节跳动

2021-08 - 2024-07

深度参与公司核心业务的AI质检系统设计、开发与优化，负责构建高并发、高可用性的智能质检平台，支持日均千万级质检任务处理。
主导开发基于Transformer架构的语音识别（ASR）和自然语言处理（NLP）模型，对客服通话进行实时质检和情感分析，使质检准确率从85%提升至92%，降低人工质检成本20%。
负责质检规则引擎的优化与迭代，引入强化学习机制，实现规则自适应与动态调整，减少误判率15%，提升质检效率30%。
设计并实现多模态数据融合质检方案，结合语音、文本、图像信息进行综合判断，有效识别异常行为和违规内容，系统召回率提升10%。
搭建模型训练与部署自动化流程，利用Kubernetes和Docker实现模型的快速迭代与弹性伸缩，支持业务快速上线，缩短模型部署周期50%。
负责跨部门协作，与业务方、数据团队紧密配合，收集需求、分析痛点，提供专业的AI技术支持与解决方案，成功推动3个大型质检项目落地。

字节跳动（内部项目）

2022-03 - 2023-01

项目背景：针对人工客服质检效率低下、标准不统一的问题，旨在构建自动化、智能化的客服质检系统，提高质检覆盖率和准确性。
个人角色：核心算法工程师，负责ASR、NLP模型设计与实现，以及质检规则引擎的开发。
技术亮点：采用端到端深度学习模型，结合Attention机制优化语音识别准确率；利用BERT等预训练模型进行文本分类和情感分析；设计基于知识图谱的质检规则匹配系统。
项目成果：系统上线后，成功实现90%的客服通话自动化质检，质检效率提升5倍，人工复检量减少70%，为公司节约运营成本约500万元/年。系统稳定运行，故障率低于0.5%。

字节跳动（内部项目）

2023-05 - 2024-02

项目背景：应对日益增长的短视频和直播内容审核压力，开发一套能自动识别违规内容（如色情、暴力、广告等）的AI审核平台。
个人角色：算法负责人，负责图像识别、视频理解及文本OCR算法的选型、训练和优化。
技术亮点：融合CNN与RNN的视频内容理解模型，实现关键帧提取与事件检测；利用GAN进行样本增强以提升模型泛化能力；设计跨模态特征融合策略提升审核准确性。
项目成果：平台上线后，日均处理视频内容达数百万分钟，违规内容识别准确率达到95%，漏检率降低至3%，大幅减轻人工审核压力，提升内容生态健康度。