UP简历小U

+86 138 0013 8000|xiaou.resume@example.com|北京

个人总结

资深神经网络结构设计师，在深度学习框架和算法优化领域拥有5年以上经验。精通各种神经网络模型的架构设计与性能优化，熟练运用TensorFlow、PyTorch等主流框架。具备从0到1构建高效算法并成功部署的实战能力，致力于通过创新性的模型设计，解决复杂问题，驱动业务增长。累计优化模型推理速度提升30%，模型准确率提升5%。

工作经历

高级神经网络结构设计师

百度（北京）科技有限公司

2021-07 - 2024-07

负责核心AI产品线的神经网络结构设计与优化，专注于提升模型性能与效率。针对图像识别与自然语言处理任务，设计并实现了多款高性能、低功耗的神经网络模型，其中部分模型已成功应用于实际产品，累计用户数超过1亿。
主导Transformer系列模型在特定业务场景下的裁剪、量化与知识蒸馏，使模型推理速度提升30%，同时保持精度损失低于1%。
深度参与自研深度学习框架的迭代与优化，贡献核心代码，提升框架的易用性与扩展性，支撑10+核心业务线的模型训练与部署。
与算法工程师、硬件工程师紧密协作，将设计的神经网络模型部署到边缘设备，成功将边缘设备功耗降低15%，响应时间缩短20%。
通过持续的性能分析与瓶颈识别，优化现有模型的计算图与操作符，使得模型在GPU上的运行效率提升25%。
负责团队内部神经网络设计知识分享与培训，指导初级设计师进行模型选择与调优，提升团队整体技术水平。

项目经历

基于多模态融合的智能推荐系统

个人项目

2023-01 - 2023-06

项目背景：针对传统推荐系统单一模态信息（如用户行为）的局限性，旨在通过融合用户行为、文本、图像等多模态数据，提升推荐的准确性和多样性。
个人角色：核心算法设计师与实现者，负责神经网络模型架构设计与数据融合策略。
项目执行：
- 设计并实现基于Attention机制的多模态融合神经网络，有效捕获不同模态数据间的关联性。
- 采用对比学习和度量学习方法，提升用户和物品表征的质量。
- 构建数据预处理流水线，处理并清洗1TB+的多源异构数据。
- 在公开数据集上进行验证，对比主流推荐算法，模型推荐准确率（NDCG@10）提升8%，召回率（Recall@10）提升10%。
项目价值：验证了多模态融合在推荐系统中的巨大潜力，为后续实际应用提供了技术储备和经验。

轻量级目标检测模型设计与部署

硕士毕业设计

2020-09 - 2021-05

项目背景：针对移动端和嵌入式设备对模型大小和推理速度的严格要求，设计一款轻量级、高精度目标检测模型。
个人角色：项目负责人，独立完成模型设计、训练与部署。
项目执行：
- 深入研究MobileNet、ShuffleNet等轻量级网络架构，结合NAS（神经架构搜索）思想，设计并实现一套优化的网络结构。
- 采用模型剪枝、量化、知识蒸馏等技术，将模型大小压缩至原始模型的1/5，推理速度提升3倍。
- 在COCO数据集上，模型在保持mAP下降不超过1%的前提下，实现了显著的计算效率提升。
- 将模型部署到边缘计算平台，并进行实时性能测试，确保满足实际应用需求。
项目价值：成功设计并实现了一款适用于资源受限环境的高效目标检测模型，为边缘AI应用提供了解决方案。