李菲菲简历涉人工智能？AI领域有何新动向？

99ANYc3cd6 人工智能 2026-01-31 9

这份简历模板结构清晰、重点突出，旨在最大化地展示李菲菲在AI领域的专业技能、项目经验和学术背景，你可以根据她的实际情况进行修改和填充。

李菲菲 - 人工智能专家

(+86) 138-8888-6666 | lifei.ai@email.com | github.com/lifei-ai | linkedin.com/in/lifei-ai

拥有 5年人工智能领域经验的资深算法工程师，专注于计算机视觉和自然语言处理方向，精通深度学习模型的设计、训练与优化，具备从0到1构建AI应用落地的完整项目经验。
熟练掌握 PyTorch, TensorFlow, Hugging Face 等主流AI框架，具备扎实的Python编程和数据处理能力。
曾主导多个核心AI项目,在目标检测、图像分割、文本分类、问答系统等任务中取得业界领先成果，相关技术方案已成功应用于生产环境，为公司带来显著业务价值。
具备优秀的团队协作能力、技术攻坚能力和快速学习能力，热衷于探索前沿AI技术并将其转化为解决实际问题的生产力。

编程语言:
- 精通: Python, SQL
- 熟悉: C++, Shell
AI框架与库:
- 深度学习: PyTorch (熟练), TensorFlow (熟练), Keras
- 数据处理: Pandas, NumPy, Scikit-learn
- NLP: Hugging Face Transformers, NLTK, SpaCy, Jieba
- CV: OpenCV, Pillow, Scikit-image
云平台与工具:
- 云服务: AWS (EC2, S3, SageMaker), 阿里云
- 部署与工程: Docker, Kubernetes (K8s), Flask/FastAPI, Linux
- 模型部署: ONNX, TensorRT, OpenVINO
- 版本控制: Git, GitHub/GitLab
专业知识:
- 计算机视觉: 目标检测 (Faster R-CNN, YOLO系列), 图像分割 (U-Net, Mask R-CNN), 图像分类 (ResNet, ViT), 人脸识别
- 自然语言处理: 文本分类, 命名实体识别, 机器翻译, 情感分析, 大语言模型微调与提示工程
- 机器学习: 监督/无监督学习, 模型评估与调优, 特征工程

ABC科技有限公司 | 高级AI算法工程师 | 2025年7月 - 至今

职责: 负责公司核心AI产品线（智能内容审核与推荐系统）的算法研发与优化，带领3人算法小组，推动技术方案落地。
项目与成就:
- 主导开发“下一代视频内容审核系统” (2025.08 - 2025.05):
  - 设计并实现了一个基于多模态融合（视觉+文本+音频）审核模型，准确率相比上一代模型提升了25%，将误判率降低了40%。
  - 引入YOLOv7和ConvNeXt作为骨干网络，并结合Transformer进行多模态特征融合，模型推理速度在V100 GPU上达到150 FPS。
  - 成果: 该系统已成功部署，支撑了公司日均千万级视频的审核需求，每年为公司节省人力成本超千万元。
- 优化“个性化推荐引擎” (2025.06 - 至今):
  - 负责推荐系统的召回与排序模块,将原有的协同过滤模型升级为基于DeepFM & BERT4Rec的深度学习模型，用户点击率提升了18%，用户留存时长增加了15%。
  - 设计并实现了基于用户行为序列的实时特征工程服务,将特征更新延迟从分钟级降低到秒级。
  - 成果: 推荐算法的改进直接带动了核心业务指标（如DAU, GMV）的显著增长。

XYZ数据智能有限公司 | AI算法工程师 | 2025年7月 - 2025年6月

职责: 参与金融领域的智能风控和智能投顾项目，负责算法模型的研发、测试与上线支持。
项目与成就:
- 参与开发“智能信贷风控模型” (2025.08 - 2025.10):
  - 负责用户行为序列分析模块，使用LSTM/GRU模型捕捉用户操作模式，有效识别了传统规则难以发现的欺诈行为。
  - 通过特征工程和模型集成（XGBoost + LightGBM），将风控模型的KS值提升至0.75，坏账率降低了12%。
- 开发“智能投顾问答机器人” (2025.11 - 2025.06):
  - 基于BERT预训练模型,针对金融领域数据进行微调，构建了意图识别和实体抽取模型，意图识别准确率达到95%。
  - 设计并实现了基于知识图谱的问答模块,能够准确回答用户关于基金、股票的常见问题。

开源项目：中文医疗问答系统 MedQA-ZH | 项目负责人 | 2025.03 - 2025.02

项目描述: 一个基于中文医疗知识图谱和预训练语言模型的开放域问答系统，旨在为普通用户提供可靠的医疗健康知识查询服务。
技术栈: Python, PyTorch, Hugging Face, Elasticsearch, Neo4j
我的职责:
- 负责整体架构设计,包括用户意图识别、实体链接、知识图谱查询、答案生成四大模块。
- 利用BERT-wwm-ext模型对中文医疗文本进行微调，构建了高精度的医疗实体识别和关系抽取模型。
- 设计并实现了一个基于Elasticsearch的快速检索模块和基于Neo4j的知识图谱查询模块,将平均问答响应时间控制在500ms以内。
- 在GitHub上开源项目,获得了 500+ Star，并撰写了详细的技术文档，吸引了社区贡献。
项目成果: 项目代码和文档被多个高校和研究机构用作教学和研究参考。

北京大学 | 计算机科学与技术硕士 | 2025年9月 - 2025年6月

清华大学 | 软件工程学士 | 2012年9月 - 2025年6月

替换信息: 将所有 [ ] 中的占位符替换为李菲菲的真实信息。
量化成果: 这是最重要的一步！ 简历中的数字（如“提升了25%”、“节省成本千万级”）是核心亮点，请务必用具体、可衡量的数据来展示她的成就，如果无法精确量化，也要有定性的描述（如“显著提升了用户体验”）。
定制化: 根据她申请的具体职位（如果职位更偏向NLP，可以增加NLP相关项目的比重和细节），调整“专业技能”和“项目经验”部分的顺序和描述侧重点。
仔细阅读目标公司的职位描述，将其中提到的关键技术（如特定框架、模型名称）融入到简历中，以提高通过ATS（ Applicant Tracking System）筛选的概率。
简洁: 保持简历在一到两页内，对于资深专家，一页为佳，确保排版清晰、无错别字。

本文地址： https://gzrobot.org.cn/post/7184.html