IT人力外包人才简历库

返回列表

机器学习算法工程师

驻场外包人员
工作年限:4年 意向城市:北京 浏览:3次 发布时间:近期

技能标签

机器学习算法 NLP技术 计算机视觉 联邦学习 目标检测 模型优化 风控系统 数据挖掘 深度学习框架 特征工程 分布式计算 模型部署 图像处理 算法工程化 业务建模 数据预处理

专业技能

精通机器学习算法开发与工程化落地,熟悉NLP、计算机视觉、联邦学习等前沿技术领域。掌握目标检测(YOLOv3)、集成学习(XGBoost)、分布式机器学习框架(FATE)等核心技术。具备完整项目生命周期管理能力,擅长数据预处理、特征工程、模型调优及部署。熟悉Linux系统操作及Python深度学习框架(PyTorch/TensorFlow)。具有风控建模、图像识别等垂直领域实战经验,擅长构建可解释性模型与业务场景结合。

工作履历(脱敏处理)

在某大型互联网公司担任算法研究员期间,主导手机碎屏识别系统研发,构建YOLOv3目标检测模型,实现理赔图像自动化识别,提升处理效率300%。参与金融风控系统建设,基于XGBoost构建风险用户预测模型,准确率达93%,有效降低欺诈风险。主导联邦学习项目研发,采用FATE框架实现多机构数据协同建模,突破数据隐私壁垒。持续研究深度学习技术,优化模型泛化能力,推动算法在实际业务场景中的落地应用。

项目经验(脱敏处理)

1. 手机碎屏识别系统:基于YOLOv3目标检测算法构建碎屏图像识别模型,通过改进特征提取层与损失函数设计,实现99.7%识别准确率。解决小样本场景下的模型过拟合问题,采用数据增强与迁移学习技术,提升模型泛化能力。项目落地后实现理赔处理效率提升300%,减少人工审核成本。2. 金融风控建模系统:基于XGBoost构建风险用户预测模型,融合用户行为数据与交易特征,通过特征工程优化提升模型性能。实现风险用户预测准确率93%,召回率89%,有效识别潜在欺诈行为,降低公司损失。3. 联邦学习建模平台:设计多机构协同建模架构,采用FATE框架实现数据隐私保护下的联合建模。解决分布式训练中的通信开销问题,优化模型收敛速度,成功应用于跨机构风控场景,突破数据孤岛限制。

驻场外包优势

服从性高

严格遵守甲方管理制度

技术扎实

4年项目实战经验

可长期驻场

接受异地项目外派

快速响应

24小时内可到岗

企业人才对接

专业IT人力外包服务

如果贵公司有IT项目人手缺口、需要工程师驻场开发、短期人力支援需求,欢迎联系洽谈合作。

合作热线

18969108718

商务邮箱

ntit@163.com

微信扫码咨询

微信咨询二维码

扫描二维码添加商务对接

立即申请人才对接