张煜
高级算法工程师
- 公司信息：
- 百度
- 工作经验：
- 6年
- 兼职日薪：
- 2000元/8小时
- 兼职时间：
- 下班后
- 周六
- 周日
- 所在区域：
- 北京
- 海淀
技术能力
. 机器学习与深度学习
经典算法：精通LR、SVM、GBDT/XGBoost/LightGBM、随机森林等，主导过金融风控、用户分群等场景的建模，AUC提升15%+。
深度学习：熟悉CNN/RNN/Transformer架构，实现过CV（目标检测、图像分割）、NLP（文本分类、机器翻译）、时序预测（LSTM/TCN）等任务，某电商搜索排序模型通过BERT优化点击率提升12%。
大模型与LLM：具备GPT/LLaMA等大模型微调经验，搭建过行业知识问答系统，结合LoRA/P-tuning优化推理成本30%。
2. 推荐与广告算法
设计过多目标排序模型（MMoE/ESMM），在信息流推荐中平衡点击率与停留时长，DAU增长20%。
熟悉CTR/CVR预估（DeepFM/DIN），通过特征交叉与用户行为序列建模提升广告ROI。
3. 大数据与分布式计算
熟练使用Spark/Flink处理TB级数据，构建实时特征管道，延迟控制在秒级。
优化过TensorFlow/PyTorch分布式训练（Horovod/FSDP），千亿参数模型训练效率提升50%。
4. 算法工程化与优化
主导模型从实验到上线的全流程：特征工程（Feature Store）、模型部署（TF Serving/Triton）、A/B测试（Pyro）。
精通模型压缩（量化/剪枝/蒸馏），某端侧AI应用体积缩减70%，推理速度提升3倍。
5. 前沿技术探索
跟踪扩散模型、强化学习（PPO/SAC）在游戏AI的应用，研究联邦学习在隐私计算中的落地。
熟悉AutoML（NAS/HyperOpt），自动化调参节省80%人力成本。
项目经验
1. 电商大模型搜索推荐系统（2023）
技术栈：LLM（GPT-4微调）+ 多模态检索（CLIP）+ 实时特征工程（Flink）
创新点：
结合用户历史行为与大模型语义理解，重构搜索相关性模型，解决长尾查询匹配问题，搜索转化率提升18%。
部署低延迟推理框架（ONNX Runtime + Triton），P99响应时间<100ms，支撑千万级QPS。
商业价值：年增GMV超5000万元，获客户技术创新奖。
2. 金融风控实时反欺诈引擎（2022）
技术栈：图神经网络（GAT）+ 动态规则引擎（Drools）+ 毫秒级流计算（Kafka/Flink）
创新点：
构建交易关系图谱，识别团伙欺诈模式，欺诈拦截率从75%提升至92%，误杀率降低40%。
设计特征漂移监控模块（KS/PSI），模型迭代周期缩短至1周。
商业价值：减少欺诈损失约3000万元/年，方案复制至3家银行。
3. 工业缺陷检测AI平台（2021）
技术栈：自监督学习（SimCLR）+ 轻量化部署（TensorRT）+ 边缘计算（NVIDIA Jetson）
创新点：
针对小样本缺陷数据，采用迁移学习+数据合成（GAN），检测准确率达99.3%（行业平均95%）。
模型蒸馏至200MB以下，在工厂边缘设备实现实时推理（30FPS）。
商业价值：替代传统人工质检，客户成本下降60%，落地5条产线。
