算法工程师简历范文：3-5 年经验互联网方向

个人信息

专业技能

• 编程 / 框架：Python、C++；PyTorch、TensorFlow
• 算法方向：推荐系统（召回 / 排序）、NLP、特征工程
• 工程能力：Spark、Flink 数据处理；模型部署（TensorFlow Serving / ONNX）
• 基础能力：数据结构与算法、概率统计、分布式训练

算法岗技能栏要区分“研究方向”和“工程能力”，两者都写。写法见 简历技能栏怎么写。

工作经历

××科技有限公司｜算法工程师｜2022.03 - 至今

• 负责推荐系统排序模型迭代，将线上 CTR 从 3.1% 提升至 4.2%，人均使用时长提升约 15%
• 主导召回策略优化，引入双塔模型替代原规则召回，召回率从 62% 提升至 81%，线上 A/B 实验正向显著
• 推动模型推理性能优化（ONNX + 量化），单次推理耗时从 45ms 降至 18ms，GPU 资源成本下降约 35%

××网络科技｜算法工程师｜2020.07 - 2022.02

• 负责新闻推荐冷启动策略，新用户首日点击率从 2.3% 提升至 3.6%
• 参与文本分类模型优化，将内容审核准确率从 88% 提升至 94%，人工复审量下降约 40%

项目经历

推荐系统排序模型升级｜核心开发｜2023.02 - 2023.10

• 背景：原排序模型基于 LR + 人工特征，效果遇到瓶颈，CTR 长期停滞。
• 职责：负责特征体系重构与深度模型（DIN）落地，对接数据与工程团队完成线上部署。
• 成果：重构特征体系后模型 AUC 从 0.72 提升至 0.79；线上 CTR 从 3.1% 提升至 4.2%，A/B 实验在 95% 置信度下正向显著。

教育背景

××大学｜计算机科学与技术｜硕士｜2017.09 - 2020.06

• 研究方向：机器学习、信息检索
• 主修课程：机器学习、深度学习、数据挖掘、最优化方法

范文说明

这份范文可复用的 3 个点：

1. 算法岗量化聚焦“模型指标 + 业务指标”两层：AUC / 召回率是模型指标，CTR / 时长是业务指标，两者都要写。写法见 简历量化成果怎么写。
2. 技能栏区分“研究方向”和“工程能力”：只写算法方向会被认为不会落地，只写工程会显得没有深度。分类逻辑见 简历技能栏怎么写。
3. 项目经历强调“问题 → 方案 → 指标变化”，并注明实验是否显著，体现严谨性。方法见 项目经历怎么写。

本范文中的姓名、公司、数字均为脱敏示例，用于展示结构与写法。请替换为你的真实数据。