算法工程师简历怎么写（精选篇）

首页模板中心在线制作简历行家求职那些事

首页> 求职那些事> 算法工程师简历怎么写（精选篇）

算法工程师简历怎么写（精选篇）

编辑：幻主简历时间：2024-04-28 来源：幻主简历

最新简历模板

立即下载

一份出色的算法工程师简历，不仅是展示专业技能和项目经验的平台，更是向招聘方传递独特价值和潜力的重要工具。但如何下笔，怎样精准呈现您的算法设计与优化能力，以及如何将您的项目成果有效地展示出来呢？

算法工程师简历怎么写.jpg

算法工程师简历怎么写（精选篇）

求职意向

求职类型：全职

意向岗位：算法工程师

意向城市：广东广州

薪资要求：面议

求职状态：随时到岗

教育背景

时间：20xx.9-至今

学校名称：幻主简历大学1

专业名称：第四纪地质学

学校描述：GPA 3.5/4 三好学生(2018-2019)

时间：20xx.9-20xx.7

学校名称：幻主简历大学2

专业名称：资源勘查工程

学校描述：GPA 3.5/4 优秀学生奖学金(2014-2015) 优秀学生干部(2015-2016)

计算机二级证书

CET英语六级

工作经历

时间：20xx.9-20xx.11

公司名称：幻主简历公司1

职位名称：中文微博立场检测（第六名）

工作内容：

数据处理与分析：负责处理NLPcc2016中文微博评论数据集，该数据集包含5个话题和3种立场（支持、反对、无立场），总计处理了超过XX万条评论数据。

模型设计与实现：

使用Albert模型作为特征抽取器，提高了特征提取的准确性和效率。
创新地引入LDA模型，成功抽取出每个话题的XX个主题短语，增强了模型的理解能力。
设计了辅助任务，通过判断评论是否围绕主题短语展开，有效利用了立场为“无”的数据作为负例，提升了模型的辨别能力。

模型优化与创新：

通过Attention机制，结合bert抽取的主题短语和评论句向量，构造了高效的打分矩阵。

应用了两层CNN和池化层进行深度理解，显著提高了模型的分类性能。

工作成果：

1、在NLPcc2016中文微博评论立场检测任务中，通过创新的模型设计和优化方法，实现了整体F1得分达到67%的优异成绩，在同期参赛队伍中排名第六。

2、该项目为公司后续在社交媒体情感分析和立场检测领域的研究奠定了坚实基础，推动了相关技术的发展和应用。

项目经验

时间：20xx.6-20xx.10

项目名称：幻主简历项目1

项目角色：地质文献分类

一、简介：

地质所文献情报项目的一部分，为了给科研人员、学生提供精细化文献搜索服务，整理出280个常用地质实验方法，根据文献摘要将文章分到所属多个实验方法类别，方便科研人员查阅。目前该功能已嵌入到搜索平台。最终平均类别AUC：0.90。基本语义抽取骨干网路基于Bert,深度语义抽取基于自设计的 SE_RES_CNN 模块和 Attention双路特征抽取模块。

二、职责：

1、参与整体算法设计，并独立完成 SE_RES_CNN模块（自设计的残差连接与通道加权、多视野卷积网络）的代码实现；

2、完成训练调优以及Xavier初始化、Gelu、后期Albert替换等改进。 3、参与一部分文献整理和标注工作。

三、流程：

（1）算法及模型搭建（TensorFlow）：

①使用任意地质文献语料，送入BERT模型，利用其无监督的遮蔽预测对模型参数微调，使模型参数更适用于地质领域；

②取固定长度512字的文章摘要，当作一整句，不使用token_b，使用微调好的BERT参数抽取基本语义特征，得到整句特征和首字标记CLS特征；

③采用SE_Res_CNN和Attention两种方式并行抽取句子特征，分别注重逐词抽取和全局抽取；其中SE_Res_CNN方式，使用3、4、5长度的卷积核，感受不同视野范围的语义特征；分别送入循环6层的RE_SE Block；层与层间设置残差连接，防止层数过深导致梯度弥散或消失；层内设置两个卷积层和SE通道加权，不断加强有效信息的抽取和无效过滤。取平均和最大池化特征线性变化得到logits_1。其中Attention方式，单个CLS特征融合concat到每个字特征，经过线性映射+softmax得到注意力矩阵，乘融合后的特征实现Attention抽取上下文整体语义，经前馈网络得到logits_2,

④由于类别较多，使用标签平滑；防止过拟合，提高泛化能力。测试得类别平均AUC:0.88

（2）模型改进：

①SE_Res_Block内部卷积核使用Xavier初始化，使输入输出趋于同分布，防止网络过深参数累乘导致其分布的方差过大导致梯度爆炸或消失的问题。

②卷积后的BN层加入滑动平均操作，使得训练时均值方差变化更加平滑；推理时使用保存的历史均值方差使模型在测试数据上更健壮。

③卷积层间替换成Bert的Gelu激活函数，基于输入的分布进行随机正则，相比Relu加入了输入的统计特性，提升网络收敛速度和泛化能力。

④用最新释放的轻量级Albert替换重量级的Bert,最终类别平均AUC优化为0.92。

时间：20xx.3-20xx.7

项目名称：幻主简历项目2

项目角色：地质领域实体识别

一、简介：

为了更好地将文献学术调研与实验平台对接，需要对各刊物，文献等海量数据中的地质实验设备名称及实验室地点等进行识别；进而为研究人员提供精准调研搜索，加快从理论到实验实施的过程。本人作为主要成员参与了该项目的算法设计与实现，最终识别率：F1score: 0.92，交付数据部门使用。模型架构：Seq2Seq；融合全局特征进行双编码；BeamSearch解码。

二、职责：

1、完成算法Encoder部分设计、代码实现以及预测模块编写

2、后期完成了DT网络/Maxout的引入和替换，代码实现

3、全过程训练调参优化；参与了部分数据标注和清洗。

三、流程：

（1）输入数据处理：

使用BIEOS对文献中摘要、引言、实验技术与方法三部分的目标实体进行标注；使用Bucket分桶机制将训练样本按长度分组制作batch,避免过多padding，减少噪声，节省资源。

（2）模型搭建及训练：

①算法基于Tensorflow搭建，整体采用seq2seq结构，使用Glove预训练字向量嵌入作为基本语义，比随机初始化更具备语义信息；

②采用双编码流程，先使用双向GRU及Attention操作获得全局特征，与原始嵌入、经Text_CNN抽取的特征三相融合（concat）,弥补了RNN网络的遗忘缺点。再次使用双向GRU抽取，使最终得到的语义编码兼顾整体和局部的重要字词信息;

③将语义编码与左移的标签嵌入向量送入GRU解码；经前馈网路得到预测概率，使用Softmax层计算损失,推理时使用BeamSearch解码。

（3）模型的调优改进：