算法工程师｜推荐排序｜标杆完整简历
4 年推荐排序和特征工程经验，覆盖召回、排序、实验评估和在线效果复盘。简历能把模型指标与业务指标连接起来，是算法岗可拆解的标杆样本。
标杆
88 分
算法工程师 / 4 年 / 北京
- 样本类型
- 算法推荐标杆样本
- 目标岗位
- 推荐算法工程师 / 机器学习工程师
- 岗位方向
- 算法工程师
- 可参考程度
- 标杆
完整简历正文
算法工程师｜推荐算法工程师 / 机器学习工程师
4 年推荐排序和特征工程经验，覆盖召回、排序、实验评估和在线效果复盘。简历能把模型指标与业务指标连接起来，是算法岗可拆解的标杆样本。
基本信息
期望城市：北京 / 上海期望岗位：推荐算法工程师求职状态：1 个月内到岗
教育经历
计算机科学与技术 硕士
- 研究方向为机器学习和推荐系统，主修机器学习、信息检索、统计学习和大数据处理。
- 毕业论文围绕用户兴趣建模和序列特征融合。
工作经历
算法工程师
- 负责内容推荐排序模型，覆盖用户画像、内容特征、召回结果融合、精排模型和在线实验复盘。
- 重构特征生产链路，将用户近期行为、长期偏好、内容质量和作者信誉拆成稳定特征组，减少训练和线上不一致。
- 与产品和运营确认推荐目标，将点击、停留、互动和负反馈纳入多目标评估，避免单纯追求点击率。
- 建立实验复盘模板，按样本量、实验周期、核心指标、护栏指标和分人群效果判断是否放量。
项目经历
核心项目
- 梳理原排序模型中过度依赖点击特征的问题，引入内容质量、作者历史表现和用户长期兴趣特征。
- 将离线 AUC、NDCG 与在线点击、停留、互动和投诉率一起评估，避免离线指标提升但用户体验下降。
- 通过灰度实验验证新模型在人群、内容类目和新老用户上的差异，逐步扩大流量。
- 上线后推荐结果的低质内容曝光占比下降，核心互动指标保持增长。
策略项目
- 针对新内容缺少历史行为的问题，设计作者信誉、文本主题、内容质量和小流量试探特征。
- 将冷启动流量分为探索、观察和放量三阶段，减少新内容直接沉底。
- 与运营共同复盘优质新作者表现，修正部分人工标签和模型特征不一致问题。
技能证书
推荐系统机器学习特征工程PythonSparkTensorFlowA/B 测试多目标排序实验评估
- 大学英语六级
为什么这份可参考
- 模型、特征、实验和业务结果连接完整。
- 没有只堆算法名，而是写清推荐系统真实链路。
- 能自然引出特征一致性、护栏指标和线上实验追问。
不要直接照抄
- 不要照搬指标结果，必须换成自己的真实业务口径。
- 面试要准备一次离线指标和在线效果冲突的处理案例。
可套用表达
只套结构，不套事实
将离线指标与在线点击、停留、互动和负反馈一起评估，避免单目标优化伤害用户体验。
按样本量、实验周期、核心指标、护栏指标和分人群效果判断模型是否放量。