2024-03-04 -2025-03-01字节跳动算法

在担任字节跳动算法工程师期间，我主要负责推荐系统的算法研发与优化工作，致力于提升用户体验和平台内容分发效率。我的核心职责包括构建高效的推荐模型、优化算法性能以及推动推荐系统的迭代升级。 在工作中，我深入研究了用户行为数据，利用机器学习和深度学习技术设计了个性化推荐算法。通过对海量用户数据的分析和建模，我开发了基于协同过滤、深度神经网络（DNN）以及序列模型的推荐系统，有效提升了推荐的精准度和多样性。同时，为了进一步优化推荐效果，我引入了强化学习方法，构建了长期用户价值（LTV）预测模型，使推荐策略更加注重用户留存和长期收益。 在工程实践方面，我主导了推荐系统的架构优化，提升了模型的训练效率和线上服务的响应速度。我通过分布式计算框架（如TensorFlow、PyTorch和Spark）对大规模数据进行处理，优化了模型训练流程，并利用A/B测试验证了算法的实际效果。在一次项目中，我成功将推荐点击率提升了15%，并显著降低了用户跳出率。 此外，我还参与了推荐系统的冷启动问题解决方案的设计。通过结合内容特征和用户画像信息，构建了混合推荐模型，使新用户和新内容的匹配效率大幅提高。与此同时，

2024-03-06 - 2025-03-05北京化工大学计算机科学与技术硕士