简历模板2——数据挖掘工程师5年经验
姓名 / Your Name
数据挖掘工程师 | 5年经验 | 推荐/风控/图模型
📞 138-XXXX-XXXX | ✉️ your.email@example.com | 🌐 github.com/yourname | 📍 北京
🎯 个人简介 / Summary
5年大厂数据挖掘经验，硕士学历。擅长推荐系统、用户画像、图神经网络及反欺诈建模，具备扎实的机器学习与工程实践能力。主导多个线上模型从0到1落地，提升业务核心指标。熟悉数据全流程处理，具备从特征设计到模型部署、AB测试的全链条经验。
💼 工作经历 / Work Experience
高级数据挖掘工程师
字节跳动 | 推荐技术部门
2021.08 – 现今，北京
- 参与短视频推荐排序算法设计与优化，主导多任务学习模型（DeepFM + MMoE）上线，点击率提升12.3%；
- 构建用户画像系统，涵盖静态属性、兴趣聚类、动态行为标签，支撑推荐/广告/风控三大系统；
- 联合平台团队建立特征服务系统，支持日均百亿级请求，稳定性达99.99%；
- 跨部门推进 AB 实验平台优化，实现AB测试自动分流+指标归因分析。
数据挖掘工程师
美团 | 风控与调度技术组
2018.07 – 2021.07，北京
- 主导“虚假商户识别”图挖掘项目，引入 GAT 图神经网络，准确率提升至91%，上线后每月拦截恶意商户300+；
- 参与骑手调度优化项目，构建包含天气/订单/区域热度等多源特征体系，提升调度模型效率，配送时间下降8.5%；
- 搭建基于 Hive + Airflow 的特征流水线系统，实现建模样本生成标准化、自动化。
🧪 项目经历 / Selected Projects
内容推荐排序优化模型（字节跳动）
- 建立基于用户短期兴趣的推荐排序模型，采用 Transformer + DeepFM 架构；
- 通过样本采样、重加权缓解曝光偏差，模型效果稳定，AB实验点击率提升12%+；
- 推动线上部署，模型影响覆盖日均用户超2亿。
用户画像系统重构（字节跳动）
- 基于用户行为、社交关系构建图结构，用 GCN 聚类兴趣簇；
- 标签系统统一30+维度，接入推荐、广告和反作弊系统；
- 实现标签异步更新机制，降低资源开销30%。
虚假交易识别系统（美团）
- 构建交易网络图，引入 GAT 进行节点表示学习；
- 使用无监督图聚类方法发现潜在团伙，结合规则系统实时拦截；
- 系统部署后，整体识别准确率提升至91%，极大降低用户投诉率。
🏆 竞赛经历 / Competitions & Awards
-
🥈 Kaggle - Santander Customer Transaction Prediction（Top 2%）
构建堆叠模型 + 特征组合策略，团队协作完成200+特征筛选与融合。 -
🥉 阿里天池用户增长算法大赛 全国三等奖
提出 LightGBM + 用户行为时间窗特征方案，精度显著优于baseline。 -
🎖️ “中国研究生数学建模竞赛” 国家二等奖
🎓 教育背景 / Education
北京航空航天大学
硕士，计算机科学与技术 | 2016.09 – 2018.06
山东大学
学士，信息管理与信息系统 | 2012.09 – 2016.06
🧠 技能清单 / Skills
- 编程语言：Python（Pandas, Numpy, Sklearn, PyTorch）, SQL, Shell
- 模型方法：XGBoost, LightGBM, DeepFM, GNN(GAT/GCN), MMoE, Transformer
- 平台工具：Hive, Spark, Airflow, TensorFlow Serving, Docker, Faiss, Kafka
- 领域经验：推荐系统、反欺诈检测、图建模、特征工程、AB实验
📃 补充信息 / Additional
- 英语水平：CET-6，具备良好的技术文档阅读能力；
- 技术博客作者，撰写30+篇机器学习实战笔记（yourblog.com）；
- 开源项目参与者，贡献于 RecBole / DGL 图学习框架。