IT人力外包人才简历库

精通深度学习框架（TensorFlow/PyTorch）与机器学习推荐算法（协同过滤、矩阵分解、深度兴趣网络）；熟练使用Spark生态（Spark SQL/Streaming）进行大规模数据处理与实时计算；具备Python数据分析与可视化能力（Pandas/Numpy/Matplotlib）；熟悉Golang与Scala在分布式系统开发中的应用；掌握推荐系统构建全流程（数据采集、特征工程、模型训练、线上部署）；了解A/B测试与效果评估方法

长期从事智能推荐系统研发工作，主导完成多个大型视频平台的推荐算法优化项目。擅长将深度学习算法（如DIN、DIN-Rec）与传统推荐方法结合，提升推荐系统效果。具备完整的推荐系统开发经验，包括数据采集、特征工程、模型训练、线上部署等全流程。熟悉Spark生态技术栈，能够处理PB级数据并实现实时计算。精通Python数据分析与可视化技术，能够通过数据洞察指导算法优化。熟悉分布式系统架构设计，具备Golang/Scala开发经验，能够构建高并发推荐服务。

1. 某大型互联网公司视频推荐系统重构：主导推荐召回平台架构设计，采用深度兴趣网络（DIN）与多任务学习模型提升短视频与长视频推荐准确率15%；优化冷启动用户推荐策略，通过图神经网络（GNN）挖掘用户潜在兴趣，新增用户留存率提升20%；搭建实时特征计算流水线，基于Spark Streaming实现分钟级特征更新，支持动态推荐策略调整。

2. 某头部视频平台推荐系统优化：主导优酷平台大规模物品推荐系统优化，构建基于深度神经网络（DNN）的多维度特征融合模型，提升CTR（点击率）8%；设计分布式特征存储方案，利用HBase与Redis实现亿级特征数据高效查询，降低推荐延迟至200ms以内；完成推荐系统A/B测试框架搭建，支持多维度指标（CTR、转化率、用户停留时长）的自动化分析与模型迭代。