IT人力外包人才简历库

精通深度学习框架（TensorFlow/PyTorch），熟悉NLP、计算机视觉、联邦学习技术体系。掌握目标检测（YOLOv3）、风险预测建模（XGboost）、分布式机器学习等核心算法。具备大规模数据处理能力，熟练使用Spark/Redis/Hadoop生态。熟悉模型部署与优化，了解TensorRT/ONNX模型压缩技术。具备全栈开发能力，熟悉RESTful API设计与前后端联调。

曾就职于某互联网企业算法部门，主导手机碎屏识别系统研发，通过YOLOv3模型实现99.7%的碎屏识别准确率，提升理赔效率300%。参与京东安联风控系统建设，构建XGboost风险预测模型，实现93%准确率与89%召回率。主导联邦学习平台研发，实现跨域数据协同训练与隐私保护，支撑多个业务场景的联合建模需求。持续研究NLP与CV技术，具备全栈开发能力。

1. 手机碎屏识别系统：基于YOLOv3目标检测算法构建碎屏识别模型，通过数据增强与迁移学习提升小样本识别能力，实现99.7%准确率。解决复杂光照与屏幕反光干扰问题，采用多尺度特征融合提升边缘检测精度。2. 保险风控建模系统：构建XGboost风险预测模型，整合用户行为、设备指纹等多维度数据，实现93%准确率与89%召回率。开发风险评分卡系统，支持实时风险等级评估。3. 联邦学习平台：设计跨域数据协同训练框架，实现隐私计算与模型聚合，支撑多个业务场景的联合建模需求。采用差分隐私技术保护用户数据，确保模型可解释性与合规性。