博士后个人简历-幻主简历

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> 博士后个人简历

博士后个人简历

编辑：幻主简历时间：2024-06-26 来源：幻主简历

最新简历模板

立即下载

【#博士后简历#】一份出色的简历是求职者脱颖而出的关键。但是，如何撰写一份令人印象深刻的简历呢？以下是小编整理的博士后个人简历范文，同时，幻主简历网还提供精美简历模板以及简历在线制作工具，欢迎大家阅读参考。

博士后个人简历

求职意向

求职类型：全职

意向岗位：博士后

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.9-20xx.6

学校名称：幻主简历大学（1）

专业名称：遥感图像智能处理

学术成绩与排名：GPA 3.9/4.0，专业排名前5%。

学术奖学金与荣誉：连续三年获得国家奖学金，优秀研究生标兵。

科研成果：在博士期间，共发表高质量学术论文7篇，其中第一作者文章5篇，通讯作者文章1篇，另有3篇论文被国际会议EI收录。获得专利1项，以及国际遥感图像处理顶级会议青年论文奖TOP10、日本国际智能系统及图像处理青年论文奖TOP1（Best Paper Award）。

项目经历：深度参与多个国家级及国防科研项目，担任算法研究与应用核心成员，成功开发应用于安防领域的异常模式检测模块，提升异常检测准确率至92%，相比传统方法提高20%。

时间：20xx.9-20xx.6

学校名称：幻主简历大学（2）

专业名称：遥感科学与技术

学校描述：本科期间对线性代数/概率论/数字图像处理/误差理论等课程进行学习，积累了扎实的数学及图像处理理论，曾组建团队并参与大学生科研项目。

工作经验

时间：20xx.7-20xx.4

公司名称：幻主简历工作经验案例（1）

职位名称：高级算法工程师

工作内容与成果：负责地图数据挖掘与分析，通过深度学习模型优化网约车接驾/送驾时间预测，算法模型准确率提升至90%，较原有模型提高15%，有效缩短乘客等待时间，提升用户体验。

时间：20xx.8-20xx.2

公司名称：幻主简历工作经验案例（2）

职位名称：预研工程师

工作内容与成果：专注于深度学习与机器学习算法的创新与优化，参与两项关键项目，成功将算法模型应用于实际工程项目中。通过算法改进，项目一的识别准确率提升至95%，项目二的处理效率提升30%，为公司节约成本约200万元，显著提高了项目成功率与客户满意度。

项目经验

时间：20xx.7-20xx.4

项目名称：幻主简历（1）项目案例

项目角色：算法研究人员

1. 主要负责：地图以及网约车订单数据挖掘、时间预估算法模型

2. 所承担的任务包括：地图及网约车订单数据清洗、特征选择、数据挖掘，并建立适用于项目修的深度网络模型，根据测试结果优化模型结构，产出算法原型demo

3. 项目难点细节及解决方案：

1）地图数据中的数据挖掘：首先需对地图数据和所挖掘的数据特征进行数据清洗，即清洗掉存在空值或非常规值的数据，在地图数据中可挖掘的数据特征包含道路连接的路口数量、道路的车道数量、是否为单行道、道路宽度等，在后续的模型建立中对已挖掘的数据特征进行特征选择，以提高模型的应用效果

2）网约车订单的数据挖掘：订单数据的清洗过程中，除了对存在空值和非常规值的数据进行清洗，还需清洗掉用时过长或过短的数据，以得到基本符合时长为高斯分布的订单数据集。在订单数据的特征选择中，通过后续的模型建立，判断具体有哪些订单数据特征可提高模型的应用效果

3）CF-ResNet深度网络模型建立：首先需通过Skip-Gram方法对地图中的道路数据进行特征变换，在所建立的模型中，道路数据特征变换后为64维的特征向量，而后通过Cross-Feature方式，对所有参与模型训练的特征进行特征交叉，连接到特征交叉层，之后对特征交叉层运用ResNet结构进行特征增强，最后ResNet的最后一层网络与所要预测的订单接驾/送驾所用的时长想连接。在模型训练中，不断调整输入数据的特征以及深度网络结构（特征交叉层数/ResNet层数），在精度满足应用需求后，产出CF-ResNet模型demo

4. 所建立的深度网络算法模型，最终在订单接驾/送驾时长预估中可达到85%以上的精度

时间：20xx.8-20xx.3

项目名称：幻主简历（2）项目案例

项目角色：算法研究人员

1. 主要负责：性别识别、人脸肤色识别

2. 所承担的任务包括：整理并扩展训练数据集、建立适用于项目需求的深度网络模型，并根据测试结果优化训练数据集/改进深度网络模型结构，产出算法原型demo

3. 项目难点细节及解决方案：

1）人脸肤色识别中，数据难以准确标注：a）解决方案：构建Encoder-SVM模型，比对机器标注与外包标注结果，取两者标注相同的数据为可信数据，同时根据两者标注结果之间的差异迭代调整数据标注规则；b）效果：可得到更合理的标注规则及结果；c）补充说明：性别识别中的标注完全采用外包标注的结果

2）性别识别算法模型：采用CNN网络，以Encoder去噪平滑后的图像作为网络输入

3）人脸肤色识别算法模型：采用CNN网络（highway+tower），先用opencv中的自动肤色区域识别算法提取肤色区域后，与Encoder去噪平滑后的图像进行叠加作为网络的输入

4）针对较大规模测试算法模型改进：采用bagging boost方式，增强模型的泛化能力

4. 所建立的深度网络算法模型，最终在性别识别中可达到90%以上的精度，在肤色识别中可达到80%以上的精度

时间：20xx.8-20xx.12

项目名称：幻主简历（3）项目案例

项目角色：算法研究人员

1. 主要负责：运用TensorFlow框架，构建满足项目需求的深度学习算法模型

2. 所承担的任务包括：整理训练数据集、建立适用于项目需求的深度网络模型，并根据测试结果优化训练数据集/改进深度网络模型结构，产出算法原型demo

3. 项目难点细节及解决方案：

1）项目初期标注数据较少，人工标注耗费大量时间成本：a）解决方案：Encoder-SVM自动标注算法模型，对未标注数采用自编码器（AutoEncoder）和深度置信网络（DBN-DNN）据进行编码特征提取，结合已标注数据对网络进行微调，针对已标注数据的编码特征采用SVM模型构建出整体的Encoder-SVM分类模型；b）效果：运用所构建的Encoder-SVM分类模型可对未标注数据生成标签，在项目中期外包标注数据跟入后，可结合机器标注与外包标注结果，提升标注精度。同时Encoder编码器解码后的图像可达到去噪的效果，有助于提高数据质量

2）项目中期数据量增大后，初期模型不满足项目需求：a）解决方案：改用CNN网络进行数据分类，采用VGGNet网络结构，并针对数据颜色特征减弱的问题，在所建立的模型中加入了highway方式，将输入层数据与每一池化层之前的输出进行identity累加操作，同时采用tower方式增加卷积层的宽度；b）效果：可提升分类精度水果精细分类

3）项目后期较大规模测试算法模型改进：a）解决方案：为了使模型更具有普适性，采用bagging boost方式，对数据集进行随机切分，分别对子数据集训练出上述网络模型，再对softmax后的分类结果取均值，得到分类置信度；b）效果：可避免应对大规模测试时，单一网络在训练数据上产生过拟合现象，可提高测试精度

4. 所建立的深度网络模型最终可达到90%以上的水果精细分类精度

时间：20xx.1-20xx.6

项目名称：幻主简历（4）项目案例

项目角色：研究骨干；技术研究；项目书撰写

在参与项目过程中，通过稀疏学习与表达等机器学习技术，对图像衍生出图像自适应字典和稀疏编码的表达方式，进而通过对图像数据重构过程中字典原子使用概率进行统计，分析获得图像字典原子中的背景和目标信息含量差异，再将其转换回归为原始图像的背景和目标信息，从而突出并识别目标，实现了图像目标识别的需求。

时间：20xx.1-20xx.6

项目名称：幻主简历（5）项目案例

项目角色：研究骨干；技术研究；项目书撰写

在参与项目过程中，通过数据驱动的模式识别方式，在图像中通过稳健背景与潜在目标的分割、解析表征图像数据本征维度的嵌入特征以及图像数据中各像元异常度积分，抑制图像中的背景信息，突出并识别目标，在目标识别等应用中实现数据自分析的需求。

时间：20xx.1-20xx.12

项目名称：幻主简历（6）项目案例

项目角色：研究骨干；技术研究；代码编写