在人工智能的浪潮中，AI算法工程师已成为众多企业竞相争夺的顶尖人才。要想在这个激烈竞争的领域中脱颖而出，一份精彩的个人简历至关重要。同时，幻主简历网提供精美的简历模板和强大的在线制作工具，助大家轻松打造令人眼前一亮的简历。
下面是一篇AI算法工程师简历案例，欢迎大家阅读参考。
AI算法工程师个人简历参考（精选篇）：
求职意向
求职类型：全职
意向岗位：AI算法工程师
意向城市：广东广州
薪资要求：面议
求职状态：随时到岗
教育背景
时间：20xx.9-20xx.6 学校名称：幻主简历大学 专业名称：软件工程 （硕士） 学校描述：连续获得院级二等奖学金，并在毕业答辩中获得第一名成绩。时间：20xx.9-20xx.6 学校名称：幻主简历科技大学专业名称：网络工程 （本科）学校描述：成绩优异，积极参加校园文体活动，获得校足球联赛第一名成绩
工作经验
时间：20xx.3-至今 公司名称：幻主简历云服务有限公司工作角色：资深研发工程师 工作职责：转化反作弊owner。负责转化反作弊安全能力体系建设，基于业务场景构建实时过滤、异常检测、广告主数据挖掘等安全能力。
项目经验
职位名称：转化反作弊Owner
项目角色：专项Owner
项目成果：
-
下单反作弊检测能力提升25%
-
下单有效率从落后大盘18pp提升至领先大盘3pp，达到95%以上
-
下单日耗增长45w/d，份额占比提升7pp
项目描述：
2021年上半年，公司面临严重的假单问题，订单有效率骤降至55%，导致多家广告主暂停投放，预算大幅减少。为扭转这一局面，我作为专项Owner迅速介入，对假单问题进行了全面分析。
问题分析：
假单形成的主要原因在于作弊动机和手法的多样性，包括机器作弊、个体作弊和群体作弊。这些问题严重影响了广告主的投放信心和预算收益。
解决方案：
-
数据画像构建：通过多场景流量收集设备、IP、用户等多维度数据，构建全面的数据画像，以增强数据特征层。
-
实时特征统计能力优化：结合数据特征层，提升反作弊系统的实时特征统计能力，强化下单反作弊决策层的识别能力。具体包括但不限于异常手机号码（如靓号卡、物联网卡等）、异常设备、虚假地址、低俗敏感词、羊毛党用户和异常IP的识别。
-
在线与离线作弊打击：在应用层实施在线与离线的作弊打击策略，同时进行深入的作弊溯源分析。
-
专业化作弊团伙识别：利用手机号码和下单地址信息，结合Louvain图挖掘算法，有效识别专业化作弊团伙，并建立风险评分机制进行线上拦截。
-
算法评估与优化：通过多轮实验策略评估及case样本与漏过样本的统计分析，确保算法准确率≥95%，召回率≥90%。
-
定期人工Review：为确保持续高效的反作弊效果，定期进行人工Review，确保下单反作弊整体过滤准确率≥95%，检测能力达到85%以上。
-
监控与告警机制建立：项目最后阶段，建立并完善了反作弊策略异常告警与作弊流量监控机制，以便在新的对抗周期内更快感知并解决新的作弊问题。
时间：20xx.3-20xx.8
公司名称：幻主简历公司2
职位名称：转化反作弊Owner
项目二：激活反作弊升级专项
项目角色：专项Owner
项目成果：
-
激活反作弊检测能力提升30%
-
异常激活占比由30%降低至1%，低于同期某知名竞品
-
广告主恢复投放预算，业务稳定性得到显著提升
项目描述：
2022年上半年，公司面临大量异常激活的严峻挑战，仅3个头部广告主反馈的异常激活总量就高达60万以上，日耗影响达到220万/天。为迅速应对此问题并恢复广告主的信心，我作为专项Owner，领导团队对异常激活的流量结构与作弊特征进行了深入分析。
问题分析：
通过对异常激活数据的深入分析，我们发现多个开发者使用相同的黑产资源进行刷量作弊，这严重影响了广告的投放效果和公司的声誉。
解决方案：
-
数据清洗与风险告警策略：首先，对广告主上报的转化数据进行细分流量场景后的清洗。接着，在多个场景下部署时序类异常与分布类异常的风险告警策略，确保100%召回已知作弊媒体，并成功识别出更多未知作弊媒体。
-
创新检测模型开发：为解决传统方法难以检测未知作弊媒体的问题，我们创新性地开发了基于APP行为时序热力图的异常媒体检测模型。该模型将媒体的行为序列信息转换为二维空间内的行为时序热力图，并利用图像分类思想进行作弊媒体检测。模型架构以ResNet为主体，通过深度优化卷积核，在保证效果的同时大幅降低了计算成本，提高了线上检测效率。
-
实施拦截策略构建：基于底层安全检查能力、用户行为画像及媒体流量侧信息，我们构建了多种反作弊实施拦截策略，如云控设备识别、模拟器识别、自动点击识别等。这些策略有效地拦截了各类作弊行为，进一步提升了反作弊效果。
-
真人作弊流量打击：为打击真人作弊流量，我们自研了用户新鲜度画像、用户统计行为画像及点击数据流量，并结合Attention机制与XGBoost算法构建了半监督类异常用户检测模型。该模型上线后，成功拦截了大量利用网赚媒体进行作弊的真人用户，使激活反作弊的检测能力再提升10%，整体异常激活占比降低至1%。
-
监控机制与数据上报链路完善：为确保反作弊系统的持续有效运行，我们建立了完善的反作弊策略监控机制及异常转化数据上报链路。这使得反作弊团队能够在新的对抗周期内更快感知并解决新的作弊问题，确保业务的稳定与安全。
自我评价
1.拥有灵敏的作弊攻击对业务影响的感知能力以及丰富的黑产对抗、数据挖掘经验。
2.掌握并熟悉深度学习与传统机器学习算法的应用及原理，拥有丰富的流量反作弊建模与异常检测方案的落地经验。3.深入了解黑灰产行业信息，熟悉黑产作恶手法与动机。并对APT网络攻击、渗透测试等技术有一定的研究。
4.熟悉TensorFlow、Keras、TFLearn等深度学习框架。5.熟悉并了解Python，Scala、Spark、Hadoop、Mysql、Linux命令等。6.具有较强的逻辑思维能力和学习总结能力，在公众号(幻主简历)、知乎、简书等多个平台发表技术性文章。
原文链接：https://blog.csdn.net/Huanzhucv/article/details/137171453?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522171851494816800215061986%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=171851494816800215061986&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-18-137171453-null-null.nonecase&utm_term=AI%E7%AE%80%E5%8E%86
