这是用于演示写法的虚构简历。姓名、任职经历和成果均为创作，并非真实员工的履历。
马学军
从事蒸馏排序模型并批量获取在线特征与为模型服务引入影子流量与自动回滚的初级机器学习工程师。主要实践领域：Python · PyTorch · 特征流水线 · 模型服务。
工作经历
苹果
中国北京
初级机器学习工程师
2025年7月 - 至今
- 在资深同事的评审下，使用SQL提取的观看特征构建Python机器学习管线，分开训练和评估（evaluation）时间窗口，在建议部署（deployment）前与简单基线比较。
- 在分配的任务范围内，添加预测新鲜度、特征漂移和服务错误监控（monitoring），测试备用排序路径，避免特征延迟导致推荐页面为空。
- 在分配的范围内，对训练数据与模型产物统一版本管理，比较离线评估与服务延迟，审查误分类案例后选择部署候选。
- 在分配的范围内，主导基于冻结数据与随机种子的PyTorch评估，解决训练测试样本重复造成的虚假模型增益。
- 在分配的范围内，基于Kubernetes资源限制构建Python部署检查，在相同负载下将每1,000条回放请求的推理失败从14次减少至3次。
腾讯
深圳 · 中国
机器学习工程师项目成员
2024年3月 - 2025年6月
- 团队负责为模型服务引入影子流量与自动回滚；我承担资料整理、质量检查和评审后的跟进记录。团队整体按照已批准的验收标准完成上线。与资深同事确认我的具体任务，将个人贡献与团队成果分开记录。
- 在分配的范围内，调查发布指标与源记录之间的差异，追踪改变总体的转换步骤，用可复现查询修正计算。
- 在分配的范围内，比较最近成功刷新和失败运行，区分源数据缺失与转换错误，仅重跑受影响时间段，并保留原查询与修正结果供复核。
重点项目
机器学习工程师独立案例研究
项目成员
2024年9月 - 2025年2月
- 在分配的范围内，团队负责建立含分群指标的离线到在线评估套件；我承担资料整理、质量检查和评审后的跟进记录
- 生成含重复、迟到和更正值的合成源记录，编写行数及键唯一性断言，记录各案例对报告指标的预期影响。
- 将分析输出与手工计算参考表核对，追踪差异所在的转换步骤，在修正查询旁保留数据字典与重跑说明。
- 主导通过手算参考验证合成数据，解决重复键导致的虚增并完成重现修正总额的笔记本。
教育经历
西安电子科技大学
西安 · 中国
计算机科学与技术 工学学士
2021年9月 - 2025年6月
相关课程：算法、操作系统、数据库、计算机网络
技能
岗位能力
Python · PyTorch · 特征流水线 · 模型服务 · 评估 · Kubernetes
