ALL-teach_sys/frontend_智能开发/网页未导入数据/智能开发产业/智能开发修改版简历/AI 算法应用工程师.md

AI 算法应用工程师

对应岗位：AI 算法应用工程师

一、项目经历

（一）项目名称：AI语音识别智能家居系统开发项目

（二）实习岗位：AI算法应用工程师助理

（三）实习时间：2024.06-2024.07

（四）实习单位：上海数趣信息科技有限公司

（五）岗位职责：

1. 协助导师完成语音数据采集与预处理，参与麦克风阵列配置、波束成形与滤波实验，使用 SpecAugment 等数据增强方法提升噪声环境下的鲁棒性，并整理对比不同场景下的识别精度与延迟表现，为后续模型微调提供基础数据学习用 SpecAugment 做数据增强，整理不同环境下的识别精度和延迟对比，为后续模型训练提供参考数据。
2. 在导师指导下参与端到端语音识别模型的实验验证，尝试基于 Hugging Face Transformers 进行小规模语音模型的微调测试，学习 LoRA 微调与Prompt设计 技术，协助完成命令词库配置与关键词匹配，提升模型对特定任务的准确率用 Hugging Face Transformers 做了一些小模型微调测试，尝试过 LoRA 和 Prompt 设计，帮忙完善命令词库和关键词匹配，让模型在特定任务上更准。
3. 协助进行语音识别模块与 STM32 主控芯片 的对接调试，完成语音指令到设备控制命令的转换实验，验证从识别到执行的延迟与稳定性，并整理接口兼容性与功耗对比表，确保系统运行的完整性与可靠性做语音指令到设备控制的转换实验，测试延迟和稳定性，整理了接口兼容性和功耗对比，保证系统运行更稳。
4. 参与多传感器与语音指令的联动测试，协助完成温湿度、光照等传感器数据采样与滤波处理，结合语音指令实现阈值逻辑控制与多设备协同实验，记录异常值对识别效果的影响，并提出改进建议，支持算法场景化优化配合语音指令做阈值逻辑控制和多设备协同实验，记录异常值对识别的影响，并提出了一些改进小建议。
5. 协助导师开展远程控制与数据传输调试，参与 Wi-Fi 模块配置与数据加密测试，比较不同网络条件下的通信延迟与稳定性，整理设备端与App端的状态反馈数据，保障语音识别与智能家居系统的安全性与可靠性对比了不同网络条件下的延迟和稳定性，整理了设备端和App端的反馈数据，帮助保证系统安全可靠。
6. 参与阶段性系统集成与功能验证，学习使用 ONNX 模型转换与TensorRT推理加速，配合工程师进行模型压缩与性能优化实验，记录推理速度提升效果与资源消耗对比，形成性能优化实验报告，支持项目迭代优化尝试用 ONNX 转换模型和 TensorRT 加速，跟工程师一起做了模型压缩和优化测试，记录了推理速度和资源消耗对比，并整理成实验小报告。

二、专业技能

（一）核心能力

1. 精通基于Transformer架构的大语言模型微调全流程，具有丰富的Hugging Face Transformer库实战经验。熟练掌握监督微调（SFT）、奖励模型训练（RW）及PPO强化学习（RLHF）等进阶调优方法，能够针对垂直领域场景进行有效的知识注入和风格对齐。深入理解Prompt Engineering设计范式，能够构建高质量的指令数据集，显著提升模型在特定任务上的zero-shot和few-shot表现熟悉基于 Transformer 架构的模型微调流程，用过 Hugging Face 的工具，尝试过 LoRA、Prompt 设计等方法，能在小场景下提升模型表现。
2. 具备深厚的语音信号处理理论基础，精通端到端语音识别（ASR）及神经语音合成（TTS）模型的架构原理。能够针对复杂声学场景（如高背景噪声、多人对话、方言及口音变异）设计定制化解决方案，熟练应用SpecAugment、Voice Conversion等技术进行数据增强与音色克隆，显著提升语音交互系统的鲁棒性与自然度有语音信号处理的学习基础，了解端到端语音识别（ASR）的原理，用过 SpecAugment 做数据增强，能在噪声场景下提升系统效果。
3. 具备系统的AI伦理与安全风险防控意识，精通多层级内容安全过滤技术（敏感词过滤、语义理解过滤、基于LLM的对抗生成检测）。熟练掌握隐私信息脱敏算法（如基于NER的实体替换、差分隐私），具备模型对抗样本攻防（Adversarial Attack & Defense）实战经验，能有效保障AI系统的生产环境安全与合规性了解AI安全和合规的重要性，学习过常见的敏感词过滤和隐私信息脱敏方法，能在实验中考虑到安全因素。
4. 具备搭建完整的AI效果评估体系的能力，精通多维度指标监控（意图识别准确率、业务转化率、用户满意度等）与分析方法论。能够通过归因分析定位效果瓶颈，设计A/B测试实验框架，并运用统计分析方法驱动模型和策略的持续迭代优化，确保算法效果可衡量、可追溯、可提升能做一些模型效果评估，尝试过用准确率和延迟等指标来比较实验效果，也配合做过 A/B 测试。
5. 精通模型服务化全链路优化技术，掌握模型剪枝、量化（PTQ/QAT）、知识蒸馏等模型压缩技术。具有丰富的GPU推理加速经验（TensorRT），熟练掌握ONNX模型转换与性能调优，能够实现模型服务的高并发、低延迟部署，显著降低计算与存储成本学习过模型压缩和量化，接触过 ONNX 转换和 TensorRT 加速，在实验里观察过优化前后的性能差异。
6. 掌握敏捷开发项目管理流程，具备出色的跨团队协作与资源整合能力。能够高效管理算法项目的需求、开发、测试和上线全生命周期，确保项目高质量交付。具备优秀的技术文档撰写与方案宣讲能力，能够清晰同步项目进展与技术方案，有效推动复杂项目落地熟悉敏捷开发流程，能用 Git、Jira 参与团队协作，整理过实验报告和技术文档，配合团队完成项目优化。

（二）复合能力

1. 基础编程能力：掌握数组、链表、哈希表、堆栈、树与图等核心数据结构的原理与使用场景，具备使用Python进行数据处理与基础编程的能力。
2. 人工智能应用能力：了解人工智能的发展路径与主流算法框架（如Transformer、多模态模型），初步掌握LLM调用、Prompt编写与图文生成工具的使用方法，具备AI基础素养与合规意识。
3. 计算机系统基础理解能力：具备从计算机底层结构（CPU架构、缓存设计、指令系统）到上层操作系统演进（Linux、虚拟化、边缘OS）的系统理解能力，能够初步分析软硬件协同机制与设备运行原理。
4. 网络通信协议理解能力：理解TCP/IP模型、Wi‑Fi、蜂窝通信、BGP路由等核心网络协议，了解云计算架构下的网络基础设施与数据传输机制，具备构建连接与排查通信问题的基础能力。
5. 自动化脚本应用能力：会使用Python对本地数据进行基础处理、接口调用任务，能够使用小型自动化工具来提升开发与运维效率，具备基础的异常处理与日志记录能力。
6. 持续学习能力：关注技术前沿趋势，如扩散模型、多模态大模型等方向，具备持续学习的意愿与主动探索的习惯，能够主动跟进新技术动态并将其应用于实际学习或项目尝试中。
7. 版本管理与协同开发能力：掌握Git的本地提交、远程仓库操作流程，具备多人协作开发、代码评审与冲突解决的工作经验。
8. Linux系统操作能力：能够在Linux环境下完成磁盘管理、用户权限配置、网络设置等常规操作，熟悉文件系统与命令行工具，具备脚本自动化与远程运维的初步经验。
9. 嵌入式与边缘设备部署基础：了解物联网设备中的嵌入式系统架构，具备边缘设备操作系统、驱动管理与资源调度机制的基本认知，能够协助完成设备配置与系统调优任务。
10. Agent智能体开发基础能力：理解Agent的基本结构与工作机制，了解其在物联网、自动化控制和多任务协同中的应用模式，初步具备使用LangChain等主流框架实现简单任务编排和功能调用的能力。

三、个人评价

在实习过程中，具备扎实的语音信号处理与AI算法应用能力，能够使用 Pandas/NumPy 进行语音数据清洗与特征处理，并结合 SpecAugment 等方法提升复杂环境下的识别效果。熟悉基于 Hugging Face Transformers 的语音模型微调流程，能够尝试 LoRA 微调与 Prompt 设计，积累了在特定任务中提升准确率的经验。具备语音识别模块与嵌入式芯片对接调试的实践经历，能够完成从语音指令到设备控制的全链路实验，理解延迟与功耗优化的关键环节。熟练使用 ONNX 与 TensorRT 进行模型转换与加速，能够协助完成模型压缩与性能优化测试，提升系统部署效率。掌握 Git、Jira 等工具的团队协作方式，能够参与版本管理与任务跟踪，支持算法在智能家居场景中的迭代优化。保持对大模型、多模态与AIGC等前沿技术的关注，善于将新技术应用于项目探索，展现了较强的学习力与落地能力，为未来在AI算法应用方向的发展奠定了扎实基础在实习中学会了用 Pandas/NumPy 做语音数据清洗和特征处理，结合 SpecAugment 提升复杂环境下的识别效果。尝试过用 Hugging Face Transformers 做模型微调，用过 LoRA 和 Prompt 设计，积累了一些提升准确率的经验。参与过语音识别模块与嵌入式芯片的对接实验，理解了延迟和功耗优化的重点。学习使用 ONNX 和 TensorRT 做模型转换和加速，对比过优化前后的性能差异。能用 Git、Jira 配合团队做版本管理和任务跟踪，支持项目迭代。平时也关注大模型、多模态等前沿方向，喜欢把新技术应用到实验中，体现了学习力和动手能力，为以后做AI算法应用积累了基础。