算法工程師簡歷范文
求職意向
算法工程師 湖南長沙 薪資面議 隨時到崗
教育背景
2020.x -2020x 錘子簡歷大學(xué) 地球信息科學(xué)與技術(shù)
相關(guān)課程：線性代數(shù)、微積分、概率論與統(tǒng)計、復(fù)變函數(shù)與積分變換、數(shù)理方程、計算機(jī)基礎(chǔ)、
微機(jī)原理與匯編語言、C++程序設(shè)計、MATLAB程序設(shè)計、數(shù)字信號處理、地球信息數(shù)據(jù)處理與反演等
2020.x -2020x 錘子簡歷大學(xué) 地球探測與信息技術(shù)
相關(guān)課程：數(shù)值分析、計算地球物理、地震資料數(shù)字處理、地球物理反演等
自學(xué)課程：Machine Learning (Andrew Ng)、自然語言處理綜論 (馮志偉)、統(tǒng)計學(xué)習(xí)方法 (李航)、統(tǒng)計自然語言處理基礎(chǔ) (苑春法)、統(tǒng)計自然語言處理 (宗成慶)、Python自然語言處理等
工作經(jīng)驗
2020.x -2020x 錘子簡歷信息技術(shù)有限公司 算法工程師
- 負(fù)責(zé)開發(fā)文本相關(guān)的算法，維護(hù)數(shù)據(jù)質(zhì)量，為科研數(shù)據(jù)平臺建設(shè)和產(chǎn)品服務(wù)提供基礎(chǔ)
- 參與開發(fā)智匯云科研數(shù)據(jù)檢索和分析功能
2020.x -2020x 錘子簡歷信息技術(shù)有限公司 物探數(shù)據(jù)工程師
- 對野外采集的彈性波數(shù)據(jù)進(jìn)行信號處理、圖像處理、反演（信息預(yù)測）等，重現(xiàn)地下三維空間
- 跟進(jìn)學(xué)習(xí)行業(yè)前沿新算法，應(yīng)用于實際生產(chǎn)項目
項目經(jīng)驗
2020.x -2020x 智匯云－科技論文數(shù)據(jù)服務(wù)類產(chǎn)品 負(fù)責(zé)算法研發(fā)
項目描述：開發(fā)科技論文數(shù)據(jù)去重、標(biāo)注、檢索排序算法，建立科研數(shù)據(jù)檢索和分析服務(wù)平臺
1. 數(shù)據(jù)去重算法
獨立完成開發(fā)
- 方法: 提取作者、標(biāo)題、關(guān)鍵詞和摘要文本，經(jīng)過分詞、TF-IDF加權(quán)、hash計算、合并和降維處理，將文本轉(zhuǎn)換為SimHash代碼，通過Hamming distance計算文本相似度, 去除不同采集來源的重復(fù)數(shù)據(jù)
- 效果: 計算效率26秒/100萬條，較原字符級別算法(0.8秒/100萬條)提高32倍，準(zhǔn)確率94%
2. 機(jī)構(gòu)標(biāo)注算法
獨立完成開發(fā)
- 方法: 分詞、詞形還原預(yù)處理，提取特征項（學(xué)校名、院系名、作者、地址、郵編），統(tǒng)計各學(xué)校詞典，剔除無用高頻詞和停用詞，使用詞袋模型向量化各特征項，基于樸素貝葉斯方法對期刊數(shù)據(jù)標(biāo)注學(xué)校ID
- 效果: 在人工維護(hù)詞表基礎(chǔ)上，統(tǒng)計出更多的匹配模式（如英文簡寫、別名、學(xué)校合并前的名稱等），大幅提高了機(jī)構(gòu)標(biāo)注效率和數(shù)據(jù)量
3. 學(xué)者標(biāo)注算法
獨立完成開發(fā)
- 方法: 歸類同姓名學(xué)者，基于ElasticSearch引擎快速提取同名侯選集，以同姓名、同學(xué)校、同院系的數(shù)據(jù)為正樣本，使用邏輯回歸訓(xùn)練模型，對期刊數(shù)據(jù)標(biāo)注到學(xué)者ID
- 效果: 結(jié)合搜索引擎和邏輯回歸算法，大幅提高運算效率
4. 檢索排序算法
參與開發(fā)中
- 方法: 從搜索引擎的大量日志中挖掘用戶點擊行為, 構(gòu)建用戶畫像，基于Listwise算法排序，為用戶返回個性化的檢索排序列表
2020.x -2020x 天津石油學(xué)會創(chuàng)新創(chuàng)效 - 巖相自動識別技術(shù) 負(fù)責(zé)算法研發(fā)、項目匯報
- 目標(biāo)：通過彈性波測量得到的地下速度、密度信息，預(yù)測地下巖石類型
- 方法：建立從巖石類型至速度、密度的數(shù)學(xué)模型關(guān)系，以鉆井區(qū)域的速度、密度和巖石類型為訓(xùn)練數(shù)據(jù)，通過貝葉斯判別算法預(yù)測未鉆井區(qū)域的巖石類型。同時引入馬爾克夫鏈模型，使巖相預(yù)測結(jié)果在深度方向連續(xù)變化，并且排除了不合理的預(yù)測結(jié)果
- 效果：較傳統(tǒng)的色標(biāo)融合方法，該技術(shù)的識別效率及準(zhǔn)確率得到顯著提升, 后期鉆井證實預(yù)測準(zhǔn)確率84%，獲得天津石油學(xué)會優(yōu)秀科技成果一等獎
自我評價
- 理解機(jī)器學(xué)習(xí)的基礎(chǔ)理論（降維、回歸、分類、聚類、推薦等），熟悉求解算法及參數(shù)調(diào)優(yōu)
- 理解深度學(xué)習(xí)原理和基本模型（CNN/RNN），熟悉 Tensorflow 深度學(xué)習(xí)框架
- 熟悉Spark分布式計算平臺，熟悉ElasticSearch分布式檢索服務(wù)器
- 掌握J(rèn)ava/Matlab/Python語言，有較強(qiáng)的算法分析和實現(xiàn)能力
- 學(xué)習(xí)能力強(qiáng)，能快速閱讀中英文文獻(xiàn)，較好的語言、書面表達(dá)和溝通能力
內(nèi)容來源說明：本文章來自網(wǎng)絡(luò)收集，如侵犯了你的權(quán)益，請聯(lián)系QQ:2772182309進(jìn)行刪除。
http://90xin.cn/article/296171.html
