沈砚清

女 | 生日: 2003/4 | 北京

联系方式

电话15000000042

邮箱shenyanqing@example.com

求职信息

求职状态2026届应届生-可立即到岗

求职意向算法工程师 / 数据分析师（应届生）

期望薪资14-20K

资格证书

大学英语六级（CET-6）

个人优势

有 2 段互联网公司算法/数据实习经历，熟悉企业级建模流程与实验评估机制
具备完整的算法项目落地能力，能独立完成从数据清洗、特征工程、模型训练到评估的全流程
有推荐系统与NLP两个方向的实践经历，理解业务场景与算法选型的匹配逻辑
有AI应用开发基础，熟悉大模型API接入与Prompt Engineering基础方法

专业技能

Python / PyTorch|75机器学习 / 深度学习|72SQL / 数据分析|75特征工程 / 模型调优|70Spark / Hive|62熟练使用Python/PyTorch进行数据处理与模型训练，掌握Scikit-learn/XGBoost/LightGBM熟悉机器学习主流算法（LR/GBDT/DeepFM/BERT）的原理与调参策略熟练使用SQL进行数据提取与分析，掌握Spark/Hive进行大规模数据处理熟悉特征工程方法论（特征提取、特征选择、特征交叉）了解推荐系统基础链路（召回→排序）与NLP基础任务（文本分类、语义匹配）了解大模型API接入与Prompt Engineering基础方法

实习经历

XX互联网科技有限公司|算法实习生 · Python / PyTorch / XGBoost / Spark / SQL / A/B测试|2025.7-2025.10

内容

参与推荐系统排序模型的开发与优化，负责特征工程与离线评估
独立完成用户行为特征的提取与筛选，参与模型训练与调参
参与A/B实验方案设计与效果分析

成绩

负责的特征模块上线后，排序模型AUC提升约0.02
参与3次A/B实验，其中1次实验组显著优于对照组
实习期间获得导师“工程能力强、学习速度快”的评价

项目经历

电商推荐系统排序模型（毕业设计）|算法负责人|2025.9-2026.1

内容

基于公开电商数据集构建推荐系统排序模型
完成特征工程：用户侧特征（画像/行为序列）、物品侧特征（类目/标签）、交叉特征
对比LR/XGBoost/DeepFM三种模型效果，最终选择DeepFM作为主模型
通过交叉验证与网格搜索进行超参数调优，使用模型融合提升效果
设计离线评估指标（AUC/GAUC/Recall@K）与在线模拟评估方案

成绩

排序模型AUC从0.72提升至0.78，GAUC提升约0.04
毕业设计答辩获评优秀
沉淀推荐系统建模方法论笔记，形成可复用的项目模板

基于BERT的文本情感分析系统|算法开发|2025.3-2025.6

内容

基于BERT构建电商评论情感分析模型，用于用户反馈自动分类
完成数据标注与清洗，构建训练/验证/测试集
使用对比学习提升模型区分能力，通过模型蒸馏压缩模型体积
将模型封装为API服务，支持批量评论情感分析

成绩

情感分析模型准确率从82%提升至90%
模型蒸馏后推理耗时从80ms降至25ms
系统支持每日10万+评论的自动分类

教育经历

XX大学|计算机科学与技术本科|2022.9-2026.6

核心课程：机器学习、深度学习、数据结构、概率论与数理统计、Python数据分析
校级二等奖学金；全国大学生数学建模竞赛省一等奖

简历模板

数据/算法 · 应届

风格「日出」。样例内容可在编辑器里改。

一键进入编辑器，样例内容可改

适用人群

适合应届毕业（含毕业 1 年内未就业）、有 2-3 个完整算法/数据项目或实习经历、正在参加校招或补录的算法/数据候选人。典型场景是从“在校生”向“职场人”过渡的关键窗口期，目标是拿到第一份正式算法/数据 offer。简历应突出：校招岗位对口的项目经验、实习经历的完整闭环、能证明“已具备职场算法/数据能力”的证据。

应届生数据/算法校招

大佬点评

算法/数据应届生是 2026 年就业市场分化最明显的群体——纯做取数、做报表的应届数据分析师正在被 AI 工具和自助 BI 平台快速替代，而有算法落地经验的应届生依然抢手。企业校招的逻辑非常清晰：看基础、看项目、看潜力。核心建议：应届生简历最大的忌讳是“项目像课程作业”——没有业务背景、没有技术选型、没有量化结果。你必须证明自己已经完成了从“完成作业”到“交付结果”的思维转变。另外，大模型能力在 2026 年算法校招中已从加分项变成“隐性门槛”——有 LLM 微调、RAG、Agent 开发经验的候选人，在同等条件下明显占优。
阿哲前大厂技术招聘