正在查看初级NLP从简简历模板文字版
直小聘
男 | 25岁12345678901zhixiaopin001@kanzhun.com
17年工作经验|求职意向：NLP|期望城市：北京
个人优势
1. 熟悉NLP技术，掌握LSTM、BERT等模型，能够独立完成中英文文本分类、情感分析等任务。 2. 具备扎实的数据结构和算法基础，熟练使用Python等编程语言，能够快速地实现模型原型并进行优化。 3. 拥有良好的团队协作能力和沟通能力，曾参与过团队的项目开发和技术分享，能够充分发挥个人优势并协助团队完成目标。
工作经历
- 北京直聘简历科技有限公司NLP2000.01-2000.06
- 工作内容： 1.数据预处理：负责数据清洗、标注和处理，使用Python和Excel对数据进行分析和加工。 2.文本分类模型开发：根据业务需求，搭建文本分类模型，使用Python和TensorFlow进行开发和优化。 3.文本情感分析：利用机器学习和自然语言处理技术，对文本进行情感分析和情感倾向性判断，使用Python和NLTK等工具进行开发。 4.文本生成模型开发：根据需求，使用Python和Seq2Seq模型等技术，对文本进行生成式模型的开发和优化。 工作业绩： 1.成功开发了一款基于深度学习的文本分类模型，准确率达到了X%。 2.优化了文本情感分析模型，将准确率从X%提高到了X%。 3.成功应用Seq2Seq模型开发了一款文本自动生成工具，用户满意度提高了X%。 4.协助团队处理了超过X条文本数据，保证了数据质量和时效性。
项目经历
- 未命名项目NLP2000.01-2000.06
- 项目内容： 1.中文分词：使用jieba分词库，对中文文本进行分词处理，支持自定义词库和停用词表。 2.情感分析：使用TextBlob库对英文文本进行情感分析，输出文本的情感极性和主观性得分。 3.命名实体识别：使用Stanford NER模型，对英文文本中的人名、地名、组织机构名等进行识别。 4.主题模型：使用gensim库，对中文文本进行主题建模，输出文本的主题分布结果。 项目业绩： 1.中文分词：成功处理了10万条中文文本，平均处理时间不超过0.5秒，准确率达到98%以上。 2.情感分析：在5000条英文文本上进行测试，准确率达到90%以上，且速度快于常用的情感分析工具。 3.命名实体识别：成功识别了1万条英文文本中的人名、地名、组织机构名等实体，准确率达到95%以上。 4.主题模型：成功对50万条中文文本进行主题建模，输出的主题分布结果较为合理，能够较好地反映文本的主题特征
教育经历
- 北京某某学院本科某某专业2000-2004
- 1. 以机器学习为主题的论文入选本校科技论文集 2. 参加了本校人工智能竞赛并获得了优异成绩 3. 担任过XXX项目组的核心成员，主要负责数据处理与分析工作
