机器学习平台工程师（MLOps）简历模板

• 主导腾讯云TI平台MLOps体系建设，基于Kubeflow构建端到端ML Pipeline，支持日均500+模型训练任务，资源利用率提升60% • 设计统一特征存储Feature Store，整合离线Hive与在线Redis数据源，实现特征复用率提升80%，特征工程开发时间缩短70% • 搭建模型注册中心Model Registry，集成MLflow实现版本管理、 lineage追踪与A/B测试，模型上线周期从2周缩短至2天 • 优化模型推理服务，使用Triton Inference Server支持多框架部署，通过动态批处理与模型量化，QPS提升3倍，延迟降低50%

• 负责推荐系统模型训练平台开发，基于Spark+TensorFlow构建分布式训练框架，支撑千亿样本大规模训练 • 参与模型服务化改造，使用TF Serving部署深度学习模型，实现灰度发布与自动扩缩容，P99延迟控制在20ms以内 • 开发自动化超参数调优工具，集成Optuna实现贝叶斯优化，相比网格搜索效率提升10倍，模型效果平均提升5% • 协助进行GPU集群资源调度优化，基于Volcano实现弹性配额管理，集群利用率从40%提升至75%

• 参与计算机视觉模型开发，使用PyTorch实现目标检测与图像分类算法，在公开数据集刷新SOTA • 学习MLOps理念，参与内部模型管理平台建设，了解模型版本控制与实验跟踪基本概念 • 协助进行模型压缩与加速，使用剪枝与量化技术将模型体积压缩至1/4，推理速度提升3倍 • 参与Code Review，学习工程化规范与代码质量标准

腾讯云TI平台MLOps体系建设项目，打造一站式机器学习平台，覆盖数据处理、模型训练、评估、部署全流程

字节跳动统一特征存储平台建设，解决特征孤岛与重复开发问题，提升特征工程效率

推荐系统模型服务化改造，实现从批量预测到实时推理的架构升级

研究方向：分布式系统与机器学习系统。GPA 3.7/4.0，专业排名前15%。参与校企合作项目《大规模深度学习训练系统优化》。担任研究生会技术部部长。

GPA 3.5/4.0，获得校级二等奖学金2次。全国大学生软件创新大赛二等奖。担任计算机学院AI俱乐部副会长。

CNCF官方认证的Kubernetes管理员资质，证明具备容器化环境运维能力

阿里云官方认证的机器学习工程师资质，掌握PAI平台与MLOps最佳实践

NVIDIA官方认证的深度学习专家资质，掌握GPU加速与模型优化技术