姓名 / Your Name

數據挖掘工程師 | 5年經驗 | 推薦/畫像/反欺詐
📞 138-XXXX-XXXX | ?? your.email@example.com | 🌐 github.com/yourname | 📍 北京

---

🎯 個人簡介 / Summary

5年大廠數據挖掘工程經驗，碩士學歷，主攻推薦系統、用戶畫像、圖神經網絡與反欺詐檢測。擅長構建復雜特征體系、建模全流程和線上部署，主導多個核心項目實現業務增長與系統落地。具備強建模與工程結合能力，熟悉海量數據處理、模型服務化、AB實驗機制等實戰經驗。

---

💼 工作經歷 / Work Experience

高級數據挖掘工程師

字節跳動 | 推薦技術部門
2021.08 – 今，北京

• 主導短視頻推薦排序優化項目，設計 DeepFM+MMoE 多任務模型，引入短期興趣建模，點擊率提升 12.3%；
• 搭建用戶畫像系統，整合30+維度標簽（興趣簇、行為頻次等），支撐推薦/廣告/內容風控三大業務；
• 建設異步特征平臺，支持日均百億調用，模型服務穩定性達99.99%；
• 與平臺協作完成多模型服務統一部署，接入AB實驗與指標歸因。

---

數據挖掘工程師

美團 | 風控與調度算法組
2018.07 – 2021.07，北京

• 構建交易網絡圖用于識別虛假商戶，引入圖神經網絡（GAT）建模多跳交易路徑關系，識別準確率提升至 91%；
• 參與騎手調度系統建模，引入天氣/訂單密度/區域熱度等特征，平均配送時間下降 8.5%；
• 搭建建模特征流水線與訓練樣本生成框架，提升建模迭代效率。

---

🚀 項目經歷 / Key Projects

1. 多目標推薦排序模型優化（字節跳動）

• 業務背景：短視頻首頁推薦場景中，既需提升 CTR，又需兼顧用戶留存與觀看時長；
• 技術方案：
  • 構建 DeepFM + MMoE 架構的多任務模型，主任務預測點擊率，副任務建模停留時長與次日活躍；
  • 引入序列建模（Transformer）處理用戶短期行為序列，建模興趣漂移；
  • 利用曝光補權 + 多任務 loss 平衡點擊與留存任務，緩解樣本不均問題；
• 成效：模型部署后 AB 實驗點擊率提升 12.3%，次日留存提升 4.7%，覆蓋日活用戶 2.1 億+。

---

2. 用戶畫像圖譜系統重構（字節跳動）

• 業務背景：原有畫像系統靜態、碎片，難以刻畫動態興趣與跨域行為；
• 技術方案：
  • 基于用戶-行為-內容構建異構圖（Heterogeneous Graph），引入 GCN 聚類生成興趣簇標簽；
  • 結合行為頻率、內容語義和交互上下文，構造 30+ 類標簽體系；
  • 構建異步標簽生成服務，支持分鐘級更新，降低調用延遲；
• 成效：畫像體系被推薦、廣告、內容安全三條業務線復用，調用量日均超 3 億，支撐多模型輸入特征。

---

3. 刷單團伙識別系統（美團）

• 業務背景：平臺存在大量虛假交易與團伙賬號影響信用體系；
• 技術方案：
  • 構建商戶-用戶-訂單的圖結構，設計節點與邊的復雜行為特征（頻次/金額/時間窗口）；
  • 引入圖注意力網絡（GAT），對商戶關系圖建模，識別社區行為特征；
  • 加入半監督圖學習機制，利用人工標注樣本傳播可信度；
• 成效：模型上線后識別準確率達 91.2%，月均攔截惡意商戶 400+，有效減少平臺投訴。

---

4. 用戶流失預測與營銷反激活系統（美團）

• 業務背景：平臺需要預測用戶流失并提供精準觸達機制；
• 技術方案：
  • 構建用戶行為序列特征（7/14/30天粒度），使用 LightGBM 預測未來30天留存概率；
  • 結合時間窗內行為密度、支付周期與頁面路徑等構建高關聯特征；
  • 支持營銷策略 AB 測試與回溯優化，接入短信/Push/券包等激活鏈路；
• 成效：模型 AUC 達 0.87，激活命中率提升 21%，次月留存提升 6.3%。

---

🏆 競賽經歷 / Competitions & Awards

• 🥈 Kaggle - Santander Customer Transaction Prediction：Top 2%，團隊融合方案，使用堆疊模型與特征統計增強；
• 🥉 阿里天池用戶增長算法大賽 全國三等獎：建模方案基于用戶行為頻率與滑窗聚合；
• 🎖? 中國研究生數學建模競賽 國家二等獎

---

🎓 教育背景 / Education

北京航空航天大學
碩士 | 計算機科學與技術 | 2016.09 – 2018.06

山東大學
學士 | 信息管理與信息系統 | 2012.09 – 2016.06

---

🧠 技能清單 / Skills

• 建模算法：XGBoost, LightGBM, DeepFM, MMoE, Transformer, GNN（GAT/GCN）
• 數據平臺：Hive, Spark, Airflow, Flink, Kafka
• 工程部署：Python, TensorFlow Serving, Faiss, Docker, Linux Shell
• 應用領域：推薦系統、用戶畫像、反欺詐、調度預測、用戶增長

---