人工智能测试工程师简历模板
【人工智能测试工程师简历模板】
一、个人信息
姓名：张明 | 性别：男 | 年龄：28岁
联系方式：+86 138-XXXX-XXXX | 邮箱：zhangming@ai-test.com
求职意向：人工智能测试工程师 | 工作地点：北京/上海/深圳
期望薪资：25K-35K/月 | 到岗时间：1个月内
二、教育背景
2016.09-2020.06 清华大学 计算机科学与技术专业 本科
主修课程：人工智能导论、机器学习、深度学习、软件测试理论、算法设计与分析、数据库系统
GPA：3.8/4.0（专业前10%）
2020.09-2023.06 北京大学 人工智能专业 硕士
研究方向：AI模型测试与验证、自然语言处理测试方法
毕业论文：《基于强化学习的AI测试用例生成框架研究》
三、工作经历
2023.07-至今 字节跳动AI实验室 高级测试工程师
核心职责：
1. 负责大语言模型（LLM）的自动化测试框架搭建，设计并实现基于PyTest的测试套件，覆盖模型推理准确性、响应时效性、多轮对话一致性等12项核心指标
2. 开发模型性能基准测试工具，支持对GPT-3.5、LLaMA2等主流模型的对比评估，通过A/B测试发现并定位模型偏差问题23例
3. 构建AI模型测试数据集管理系统，实现测试数据版本控制、标注质量评估、数据增强策略自动化，提升测试覆盖率至92%
4. 主导跨部门协作，与算法团队共同制定模型验收标准，推动测试左移策略实施，将模型缺陷发现周期缩短40%
主要成果：
- 设计的动态测试用例生成算法使测试效率提升35%，获公司年度技术创新奖
- 发现并修复模型在金融领域问答中的数值计算错误，避免潜在商业损失超500万元
- 开发模型可解释性测试模块，被纳入实验室标准测试流程
2021.07-2023.06 百度智能云 测试开发工程师
核心职责：
1. 参与计算机视觉平台（EasyDL）的测试体系建设，制定从数据标注到模型部署的全流程测试方案
2. 开发基于Selenium的Web端自动化测试框架，实现图像分类、目标检测等功能的UI自动化测试，覆盖率达100%
3. 设计模型鲁棒性测试方案，通过对抗样本生成、数据分布偏移模拟等方法，发现模型在极端场景下的17类缺陷
4. 搭建持续集成流水线，集成Jenkins、GitLab CI等工具，实现每日构建与自动化回归测试
主要成果：
- 提出的渐进式测试策略使模型迭代周期从2周缩短至5天
- 开发的数据质量监控系统，拦截不合格标注数据3.2万条，提升模型准确率8%
- 主导的测试用例管理系统优化项目，年节约测试成本超120万元
四、项目经验
项目一：多模态大模型测试平台开发（2022.10-2023.04）
项目角色：技术负责人
项目描述：针对文心一言等跨模态AI模型，开发集功能测试、性能测试、安全测试于一体的综合测试平台
技术实现：
- 使用Python+Django构建后端服务，集成TensorFlow Serving进行模型服务化部署
- 开发基于Locust的并发压力测试模块，支持千级QPS下的模型稳定性测试
- 实现测试报告可视化系统，通过ECharts展示模型性能趋势、缺陷分布等关键指标
项目成果：平台支撑每日超500次模型测试任务，发现并修复跨模态对齐问题41例
项目二：AI医疗诊断系统测试（2021.03-2021.09）
项目角色：主测工程师
项目描述：为某三甲医院开发的肺癌辅助诊断系统提供全流程测试服务
测试策略：
- 设计医学影像数据测试集，覆盖CT、MRI等5类影像模态，标注病灶特征标签2.3万条
- 开发模型公平性测试模块，验证系统在不同年龄、性别、种族患者群体中的诊断一致性
- 实施合规性测试，确保系统符合《医疗器械软件注册审查指导原则》等12项法规要求
项目成果：系统通过NMPA三类医疗器械认证，诊断准确率达96.7%
五、专业技能
测试技术：
- 精通黑盒测试、白盒测试、灰盒测试方法论
- 熟练掌握单元测试（JUnit/PyTest）、接口测试（Postman/JMeter）、UI测试（Selenium/Appium）
- 深入理解AI模型测试特殊性，包括数据分布测试、对抗样本测试、可解释性测试
编程能力：
- Python（熟练）：3年+开发经验，熟悉NumPy/Pandas/Scikit-learn等数据科学库
- SQL（熟练）：能编写复杂查询语句进行测试数据准备与分析
- Java（基础）：了解Spring Boot框架，能进行测试工具后端开发
AI框架：
- 深度学习框架：TensorFlow/PyTorch（熟练），能搭建模型测试环境
- 大语言模型：熟悉GPT系列、LLaMA系列、BERT等模型的测试方法
- 计算机视觉：了解YOLO、ResNet等模型的测试指标设计
工具链：
- 自动化测试：Selenium/Appium/Jenkins/GitLab CI
- 性能测试：Locust/JMeter/Prometheus
- 缺陷管理：Jira/TestLink/禅道
六、证书与荣誉
2022.12 全国软件测试工程师高级认证（CSTQB）
2021.06 阿里云ACE认证（人工智能方向）
2020.09 全国大学生人工智能竞赛一等奖（团队负责人）
2019.05 清华大学优秀学生干部
七、自我评价
1. 技术深度：具备从测试理论到AI模型测试落地的完整知识体系，能独立设计复杂AI系统的测试方案
2. 业务理解：深刻理解AI产品在不同行业（医疗、金融、教育）的测试侧重点，能结合场景设计针对性测试策略
3. 创新能力：在模型测试数据生成、自动化测试框架优化等领域有3项技术专利（实质审查阶段）
4. 团队协作：擅长跨部门沟通，曾主导与算法、产品、运维团队的5次大型协作项目
5. 学习能力：保持对Transformer架构、神经符号系统等前沿技术的持续学习，每周阅读3-5篇顶会论文
八、附加信息
语言能力：英语CET-6（623分），可熟练阅读英文技术文档并进行技术交流
开源贡献：GitHub开源项目《AI-Test-Toolkit》获1.2k星标，被多家企业采用为内部测试工具
技术博客：在CSDN发布AI测试相关技术文章47篇，累计阅读量超50万次
志愿者经历：2020-2022年担任中国计算机学会（CCF）学生分会测试技术组组长
关键词：人工智能测试工程师、大语言模型测试、计算机视觉测试、自动化测试框架、模型性能基准、测试数据管理、PyTest、Selenium、Locust、TensorFlow、PyTorch、Jira、测试左移、对抗样本测试、多模态测试
简介：本简历详细展示了一位具有清华大学计算机本科与北京大学人工智能硕士背景的求职者，其在字节跳动与百度拥有3年AI测试经验，主导过多个大模型与计算机视觉系统的测试项目，精通从单元测试到系统级测试的全流程方法，具备模型性能基准测试、测试数据管理、自动化框架开发等核心能力，熟悉TensorFlow/PyTorch等AI框架，持有CSTQB高级认证，在模型测试创新与跨团队协作方面有突出表现。
