推荐系统算法工程师简历示例

• 主导首页信息流推荐系统重构，设计多路召回+多塔排序架构，引入实时用户行为序列建模，CTR提升35%，人均浏览时长增加22% • 研发多目标排序模型(MMoE)，同时优化点击率、转化率、停留时长等多个指标，通过动态权重调整实现GMV增长28%，复购率提升15% • 搭建在线学习平台，支持分钟级模型更新与A/B测试，实验迭代效率提升3倍，累计完成500+次算法实验 • 构建特征工程平台，整合用户画像、商品属性、上下文信息等2000+维特征，建立自动化特征筛选与监控机制

• 负责笔记推荐算法优化，引入Graph Neural Network建模用户-内容交互关系，召回率提升18%，长尾内容曝光量增长40% • 设计冷启动解决方案，基于内容理解与相似用户迁移策略，新用户次日留存率从35%提升至48% • 开发多样性重排算法，采用最大边界相关(MMR)策略，在保证相关性的同时提升内容覆盖度，用户满意度评分从4.1升至4.6 • 参与推荐系统性能优化，通过特征缓存与模型蒸馏，将P99延迟从120ms降至60ms，支撑QPS峰值10万+

• 参与应用商店推荐系统开发，优化协同过滤与矩阵分解算法，应用下载转化率提升12% • 开发用户兴趣标签体系，基于LSTM建模行为序列，实现动态兴趣捕捉，标签准确率达85% • 搭建离线评估框架，建立NDCG、MAP、Coverage等多维度指标体系，加速算法迭代 • 协助搭建特征存储系统，支持实时特征查询，日均服务调用量超5亿次