广告高级算法工程师简历模板
【广告高级算法工程师简历模板】
一、个人信息
姓名：张明远
性别：男
年龄：32岁
联系方式：+86 138-XXXX-XXXX
电子邮箱：zhangmy@aiadtech.com
GitHub：github.com/zhangmy-algo
技术博客：techblog.zhangmy.com
求职意向：广告高级算法工程师（计算广告方向）
期望城市：北京/上海/深圳
期望薪资：50-80K/月（16薪）
到岗时间：1个月内
二、教育背景
2011.09-2015.06 清华大学 计算机科学与技术 博士
研究方向：机器学习与数据挖掘
博士论文：《基于深度学习的实时广告竞价策略优化》
2007.09-2011.06 中国科学技术大学 计算机科学与技术 学士
GPA：3.8/4.0（专业前5%）
三、工作经历
2019.07-至今 字节跳动 广告算法部 高级算法工程师
职责与成果：
1. 主导实时竞价（RTB）系统算法优化，设计基于强化学习的动态出价模型，使广告主ROAS提升18%，系统响应延迟降低至12ms以内
2. 开发广告创意生成算法框架，集成Transformer与Diffusion Model，实现千人千面广告素材自动生成，点击率提升22%
3. 构建跨平台广告效果归因模型，采用时序注意力机制解决多触点归因问题，归因准确率从68%提升至89%
4. 带领5人算法团队完成广告预估模型重构，引入图神经网络处理用户-商品-场景交互关系，模型AUC提升0.035
5. 申请专利《基于多目标优化的广告竞价决策方法》（CN202110XXXXXX.X）
2015.07-2019.06 腾讯广告 算法工程师
职责与成果：
1. 开发广告召回系统多目标排序模型，融合CTR、CVR、LTV等指标，使广告填充率提升15%
2. 设计基于深度森林的广告反作弊系统，准确识别机器点击行为，减少无效消耗23%
3. 优化广告冷启动策略，提出基于元学习的快速适应框架，新广告冷启动周期从72小时缩短至12小时
4. 参与腾讯广告DSP平台建设，负责竞价策略模块开发，日均处理竞价请求超10亿次
四、技术能力
1. 机器学习框架：TensorFlow（精通）、PyTorch（熟练）、XGBoost/LightGBM（精通）
2. 深度学习模型：Transformer、BERT、ResNet、Wide&Deep、DeepFM、DIN系列
3. 强化学习：DQN、PPO、SAC算法实现与调优经验
4. 大数据处理：Spark（3年+）、Flink（2年+）、Hive、Kafka
5. 编程语言：Python（5年+）、C++（3年+）、Scala（2年+）
6. 广告系统：RTB协议、OpenRTB标准、DSP/SSP架构设计
7. 算法优化：特征工程、模型压缩、分布式训练、A/B测试
五、项目经验
项目1：实时动态出价系统（2022.03-2022.12）
技术栈：Python/TensorFlow/Spark/Kafka
项目描述：
针对广告主预算分配效率低的问题，设计基于深度强化学习的动态出价系统。采用Actor-Critic框架，状态空间包含用户特征、上下文信息、竞价环境等，动作空间为连续出价值。通过离线模拟器训练后，在线上AB测试中实现：
- 广告主ROAS提升18%
- 系统吞吐量达50万QPS
- 99%请求响应时间
项目2：多模态广告创意生成平台（2021.06-2022.05）
技术栈：PyTorch/Diffusion Model/CLIP/Elasticsearch
项目描述：
构建端到端广告素材生成系统，支持文本描述到图像/视频的自动转换。采用两阶段架构：
1. 文本编码：使用BERT提取语义特征
2. 图像生成：基于Stable Diffusion模型，加入广告领域专用微调
上线后：
- 创意制作成本降低70%
- 用户停留时长增加1.2秒
- 获KDD 2022应用创新奖提名
项目3：跨渠道广告效果归因系统（2020.09-2021.05）
技术栈：Flink/Hive/PySpark/XGBoost
项目描述：
解决多渠道广告投放中效果归因不准确的问题，设计时序注意力归因模型（TAM）。核心创新点：
- 引入时间衰减因子，解决长周期触点权重问题
- 采用自注意力机制捕捉触点间交互关系
上线后：
- 归因准确率从68%提升至89%
- 广告主预算分配优化率提升25%
六、论文与专利
1. 《Dynamic Bidding Strategy Optimization for Real-Time Bidding Advertising》（AAAI 2023）
2. 《Multi-Modal Advertising Creative Generation with Diffusion Models》（WSDM 2022）
3. 《Temporal Attention Model for Cross-Channel Advertising Attribution》（SIGKDD 2021）
4. 专利：基于多目标优化的广告竞价决策方法（CN202110XXXXXX.X）
5. 专利：多模态广告素材生成系统及方法（CN202210XXXXXX.X）
七、专业技能
1. 算法设计：精通广告系统核心算法设计，包括召回、排序、出价、归因等模块
2. 模型优化：具备大规模分布式训练经验，熟悉模型压缩、量化、蒸馏等技术
3. 系统架构：理解DSP/SSP/ADX系统架构，具备高并发、低延迟系统设计能力
4. 数据分析：熟练使用SQL、Spark进行特征工程与效果分析
5. 工具链：熟悉Git、Jenkins、Docker等开发运维工具
八、获奖经历
2022年 字节跳动年度技术突破奖（广告算法团队）
2021年 腾讯广告创新大赛一等奖（动态出价项目）
2020年 中国计算机学会优秀博士论文奖
2019年 全国大学生计算机设计大赛一等奖（本科期间）
九、自我评价
1. 具备7年广告算法领域全栈经验，从底层系统架构到上层算法策略均有深入实践
2. 擅长将前沿机器学习技术转化为业务价值，主导项目累计创造数亿元广告收入增长
3. 拥有3年团队管理经验，具备技术规划、跨部门协作、人才培养等综合能力
4. 持续关注学术前沿，在AAAI、WSDM、SIGKDD等顶级会议发表论文5篇
5. 英语流利（CET-6 628分，IELTS 7.5），具备国际技术交流能力
十、推荐人（可提供）
1. 李教授，清华大学计算机系，博士生导师
2. 王总监，字节跳动广告算法部负责人
3. 陈博士，腾讯广告首席科学家
关键词：广告算法工程师、实时竞价、深度学习、强化学习、多模态生成、效果归因、TensorFlow、PyTorch、Spark、Flink、动态出价、广告创意、图神经网络、时序注意力、专利论文
简介：本简历详细展示了7年广告算法领域全栈经验，涵盖实时竞价系统优化、多模态广告创意生成、跨渠道效果归因等核心项目，具备从底层架构到上层策略的完整技术能力，拥有5篇顶级会议论文与2项发明专利，擅长将前沿技术转化为业务价值，适合广告高级算法工程师岗位。
