找到与你的行业和工作年限匹配的简历写法

申请反欺诈模型： 负责信贷申请环节的反欺诈模型迭代，从设备、行为、关联网络等维度做特征工程，构造了 200+ 个风控特征

用 XGBoost 重构了原有欺诈模型并引入图关联特征，上线后（经 AB 与灰度验证）团伙欺诈的识别率明显提升，首月欺诈损失率下降约 20%

信用评分模型： 独立负责了一版信用评分卡到机器学习评分模型的升级，在同等通过率下把首逾（首期逾期）率降低了约 1.5 个百分点

做了模型的可解释性工作（SHAP + 分箱），让策略和业务能看懂每个分数背后的驱动因素

特征与监控： 用 Spark 搭了风控特征的离线加工流程，并做了特征稳定性（PSI）监控，及时发现特征漂移

建了模型上线后的效果监控看板，KS、通过率、逾期率异常能及时预警

策略配合： 和策略团队一起把模型分数落到审批策略里，参与了拒绝/通过阈值的设定和复盘

负责消费信贷场景的特征加工，用 Python + Hive SQL 完成 80+ 个用户画像和行为特征的开发与上线

参与信用评分卡模型开发，独立完成变量筛选和 WOE/IV 分箱，模型 KS 值达 0.35

搭建了特征质量巡检脚本，每日自动检测缺失率和分布异常，将特征问题发现时效从 T+3 缩短至 T+1

业务开发： 独立负责会员中心和营销活动两条业务线的前端，基于 React + TypeScript，从需求评审到上线全程负责，一年迭代 50+ 个需求

主导了会员权益页的一次重构，把原来堆在一个组件里的两千多行逻辑拆成清晰的模块和自定义 Hooks，后续需求的开发时间平均缩短约 30%

复杂组件与交互： 实现了一个可配置的营销楼层搭建组件，运营能拖拽配置活动页,上线后新活动页的搭建从"提需求等排期"变成运营自助,前端介入大幅减少

做过一个复杂的多级筛选 + 无限滚动列表,处理了状态同步和请求竞态的坑

性能优化： 主导活动主会场的性能优化：通过图片懒加载、组件按需加载和骨架屏,把首屏 LCP 从 2.8s 优化到 1.3s,大促期间跳出率明显下降

把项目的构建从 Webpack 迁到 Vite,本地冷启动从近 40s 降到 3s 出头,组里开发体验改善明显

协作： 和后端一起定了接口规范和 Mock 流程,联调效率提升;带过 2 名实习生

负责公司 C 端产品的 H5 活动页和营销落地页开发，基于 Vue 2 + Vant，累计交付 20+ 个活动页面，平均上线周期 2 天

独立完成首个完整业务模块——用户积分商城前端，包含商品列表、兑换流程和订单记录，上线后日均 UV 5000+

配合设计团队完成移动端适配与多机型兼容，处理了 10+ 项 iOS/Android 端 WebView 兼容问题，页面投诉率下降明显

精排模型迭代： 独立负责信息流推荐的精排模型，从 Wide&Deep 迭代到 DIN/DeepFM 系列的多目标模型，用 PyTorch/TensorFlow 训练

一次多目标（点击 + 时长）建模的上线，AB 实验里信息流人均时长相对提升约 5%、点击率提升约 3%

特征工程与样本： 用 Spark 处理十亿级曝光点击日志构建训练样本，做了用户实时行为特征的接入，把特征时效从小时级做到分钟级

主导了一次特征体系的梳理和清洗，下线了大量低效特征，训练成本降了约 20%、效果不降反升

召回优化： 负责过双塔召回的迭代（负采样优化、多兴趣建模），召回的覆盖度和多样性提升，长尾物品的曝光占比提高

工程与上线： 参与在线推理服务的性能优化，配合工程把精排的单次推理延迟控制在 20ms 以内，支撑线上高峰的请求量

负责自己模型的离线在线一致性核对和 AB 实验的配置与分析

负责公司 CV 模型的工程化部署，基于 TensorRT + Triton Inference Server 将 5 个模型从离线训练推到线上服务，单模型推理延迟降低 40%+

搭建了模型版本管理与灰度发布流程，支持 A/B 测试切流，模型上线回滚时间从 2 小时缩短到 10 分钟

参与推理服务的性能压测与优化，通过 batch 策略和显存优化将单卡吞吐提升约 50%，支撑日均 100 万+ 次推理请求

训练稳定性： 独立负责一个 34B 稠密模型预训练的稳定性，针对反复出现的 loss spike，定位到是少量脏样本 + 学习率偏高叠加，用数据侧过滤 + 梯度裁剪 + 学习率重调的组合把 spike 频率从平均每天数次降到基本不再出现

落地了断点续训和坏 batch 自动跳过机制，把因异常中断导致的算力浪费明显减少，千卡训练的有效利用率提上来了

吞吐与并行优化： 主导了这个模型的并行策略调优（张量并行 + 流水并行 + 序列并行的组合），配合 FlashAttention 和激活重计算的取舍，把训练 MFU 从约 38% 提升到 52%，同样算力下训练周期明显缩短

排查并修复了流水并行下的一个 bubble 偏大问题，调整了 micro-batch 切分

预训练数据： 负责过一版预训练语料的去重和配比升级，处理了 万亿(T)级 token，把重复数据和低质网页比例压下来，配比调整后中文和代码的下游评测都有正向

长上下文： 参与把基座的上下文长度从 4K 扩到 32K，做了 RoPE 外推 + 长文本数据的续训，长文本任务的效果达标且短文本能力基本无损

参与 NLP 基础模型的分布式训练，负责 64 卡集群的训练任务调度与故障恢复，集群有效利用率从 70% 提升至 85%

优化数据加载管道，通过预取与混合精度训练将单 epoch 训练时间缩短约 25%

协助完成千亿 token 级别预训练语料的去重与清洗流程，处理了 500GB+ 原始文本数据

网络与安全设备： 独立维护公司的网络边界和安全设备:防火墙、VPN、WAF、IDS、EDR,负责策略配置和日常运维

优化过防火墙和访问控制策略,梳理并清理了一批冗余和高危策略,把对外暴露面明显收敛

漏洞管理与加固： 负责公司资产(200+ 台主机和几十个 Web 系统)的定期漏洞扫描和修复跟进,把高危漏洞修复率从约 70% 提到 95%+

建了漏洞管理台账,按风险等级和责任人跟踪到闭环,推动开发和运维按期修复

安全运营与应急响应： 日常盯安全告警(SIEM/EDR),做研判和处置,处理过多起钓鱼邮件和异常登录事件

处置过一次服务器被植入挖矿木马的事件:从告警发现到隔离主机、清除样本、溯源入侵路径(弱口令+未修复漏洞),当天止损并推动了整改和加固

等保合规： 参与并主要负责了一次等保三级测评的技术整改:对照差距做了边界、主机、审计等多项整改,配合测评机构一次性通过

参与 8 个客户的等保二级/三级测评项目，负责技术测评中主机安全和网络安全部分的现场检查与差距分析报告编写

负责安全设备（防火墙、IDS）的策略配置与日常运维，管理 50+ 台客户主机的漏洞扫描与修复跟踪

协助团队建立了漏洞修复跟踪表模板，将测评整改报告交付周期从 10 个工作日缩短至 6 个工作日

证书：CISP、NISP 二级、华为 HCIA-Security