猿急送>

北京C++兼职程序员

ID：425172

wzhua

算法工程师

公司信息：
百度集团股份有限公司

工作经验：
5年

兼职日薪：
600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

精通传统机器学习、统计学习全套算法体系，熟练掌握线性回归、逻辑回归、树模型（XGBoost/LightGBM/CatBoost）、SVM、聚类、协同过滤、矩阵分解、特征工程、样本筛选、离线离线建模全流程；精通数据挖掘、用户行为建模、CTR/CVR 预估、推荐系统、风控建模、时序预测等传统算法落地场景。
熟练使用 Python、C++、SQL、Hive/Spark、Flink 大数据计算框架，具备海量用户日志、行为数据清洗、特征加工、离线训练、在线推理全链路开发能力。
具备算法架构设计能力，可独立搭建分布式离线训练架构、在线实时推理服务架构，完成算法模块分层解耦、性能调优、资源成本优化、服务容灾扩容；擅长算法工程化落地，解决线上延时、内存溢出、模型迭代效率、数据一致性等架构问题。
熟悉模型全生命周期管理，包含特征平台、模型仓库、实验 A/B 测试平台搭建与优化，能结合业务需求设计标准化算法迭代流程，兼顾算法效果与系统稳定性、可扩展性，具备跨团队技术方案评审、技术难点攻坚、复杂系统架构重构能力。

项目经验

项目 1：大规模稀疏传统模型分布式训练调度架构自研项目
担任算法架构负责人，解决业内通用框架对超高维稀疏 GBDT、FM 模型训练效率低下、算力浪费严重的痛点，从零自研分布式分层训练调度架构。针对千亿级稀疏特征、亿级样本场景，重构样本分片、特征索引、梯度异步同步混合通信逻辑，优化内存稀疏存储算子；设计动态资源调度机制，根据样本稀疏度自动分配算力，规避冷热分片算力失衡问题。搭建配套实验管理中台，统一传统模型训练、校验、快照回滚流程，将超大稀疏模型单次训练耗时缩短 72%，集群算力资源成本降低 40%，支撑多条业务线高维传统模型离线迭代，架构方案内部落地后成为公司统一稀疏训练底座。
项目 2：基于传统时序 + 因果推断的流量公平调度算法中台搭建
独立负责全平台流量分配底层算法架构设计，摒弃常规推荐排序场景，聚焦流量公平分配、资源损耗归因、流量挤压异常检测三大核心场景。基于时序分解、分层线性回归、双重差分因果推断传统算法搭建统一建模底座；设计离线特征预计算 + 实时指标回流双路架构，Flink 实时采集全链路流量指标，分钟级完成流量倾斜归因分析。封装标准化传统因果、时序、异常检测算子库，配套统一推理服务网关、全链路监控告警、流量灰度分流模块；解决多业务线流量争抢、资源分配不均、线上流量异常定位慢等行业难题，支撑全站搜索、工具、内容多产品线流量精细化调度，实现人工流量运维成本下降 65%。