(博士后简历)一份出色的简历是求职者脱颖而出的关键。但是，如何撰写一份令人印象深刻的简历呢？以下是锤子简历整理的博士后个人简历范文，同时锤子简历网还提供精美简历模板以及简历在线制作工具，高效制作精美简历。

求职意向

求职类型：全职   

意向岗位：博士后   

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：201X.9-201X.6   

学校名称：锤子简历大学（1）   

专业名称：遥感图像智能处理   

学术成绩与排名：GPA 3.9/4.0，专业排名前5%。

学术奖学金与荣誉：连续三年获得国家奖学金，优秀研究生标兵。

科研成果：在博士期间，共发表高质量学术论文7篇，其中第一作者文章5篇，通讯作者文章1篇，另有3篇论文被国际会议EI收录。获得专利1项，以及国际遥感图像处理顶级会议青年论文奖TOP10.日本国际智能系统及图像处理青年论文奖TOP1（Best Paper Award）。

项目经历：深度参与多个国家级及国防科研项目，担任算法研究与应用核心成员，成功开发应用于安防领域的异常模式检测模块，提升异常检测准确率至92%，相比传统方法提高20%。

时间：201X.9-201X.6   

学校名称：锤子简历大学（2）   

专业名称：遥感科学与技术   

学校描述：本科期间对线性代数/概率论/数字图像处理/误差理论等课程进行学习，积累了扎实的数学及图像处理理论，曾组建团队并参与大学生科研项目。

工作经验

时间：201X.7-201X.4   

公司名称：锤子简历工作经验案例（1）   

职位名称：高级算法工程师   

工作内容与成果：负责地图数据挖掘与分析，通过深度学习模型优化网约车接驾/送驾时间预测，算法模型准确率提升至90%，较原有模型提高15%，有效缩短乘客等待时间，提升用户体验。

时间：201X.8-201X.2   

公司名称：锤子简历工作经验案例（2）   

职位名称：预研工程师   

工作内容与成果：专注于深度学习与机器学习算法的创新与优化，参与两项关键项目，成功将算法模型应用于实际工程项目中。通过算法改进，项目一的识别准确率提升至95%，项目二的处理效率提升30%，为公司节约成本约200万元，显著提高了项目成功率与客户满意度。

项目经验

时间：201X.7-201X.4   

项目名称：锤子简历（1）项目案例   

项目角色：算法研究人员   

1、主要负责：地图以及网约车订单数据挖掘.时间预估算法模型

2、所承担的任务包括：地图及网约车订单数据清洗.特征选择.数据挖掘，并建立适用于项目修的深度网络模型，根据测试结果优化模型结构，产出算法原型demo

3、项目难点细节及解决方案：

1、地图数据中的数据挖掘：首先需对地图数据和所挖掘的数据特征进行数据清洗，即清洗掉存在空值或非常规值的数据，在地图数据中可挖掘的数据特征包含道路连接的路口数量.道路的车道数量.是否为单行道.道路宽度等，在后续的模型建立中对已挖掘的数据特征进行特征选择，以提高模型的应用效果

2、网约车订单的数据挖掘：订单数据的清洗过程中，除了对存在空值和非常规值的数据进行清洗，还需清洗掉用时过长或过短的数据，以得到基本符合时长为高斯分布的订单数据集。在订单数据的特征选择中，通过后续的模型建立，判断具体有哪些订单数据特征可提高模型的应用效果

3、CF-ResNet深度网络模型建立：首先需通过Skip-Gram方法对地图中的道路数据进行特征变换，在所建立的模型中，道路数据特征变换后为64维的特征向量，而后通过Cross-Feature方式，对所有参与模型训练的特征进行特征交叉，连接到特征交叉层，之后对特征交叉层运用ResNet结构进行特征增强，最后ResNet的最后一层网络与所要预测的订单接驾/送驾所用的时长想连接。在模型训练中，不断调整输入数据的特征以及深度网络结构（特征交叉层数/ResNet层数），在精度满足应用需求后，产出CF-ResNet模型demo

4、所建立的深度网络算法模型，最终在订单接驾/送驾时长预估中可达到85%以上的精度

时间：201X.8-201X.3   

项目名称：锤子简历（2）项目案例   

项目角色：算法研究人员   

1、主要负责：性别识别.人脸肤色识别

2、所承担的任务包括：整理并扩展训练数据集.建立适用于项目需求的深度网络模型，并根据测试结果优化训练数据集/改进深度网络模型结构，产出算法原型demo

3、项目难点细节及解决方案：

1、人脸肤色识别中，数据难以准确标注：a）解决方案：构建Encoder-SVM模型，比对机器标注与外包标注结果，取两者标注相同的数据为可信数据，同时根据两者标注结果之间的差异迭代调整数据标注规则；b）效果：可得到更合理的标注规则及结果；c）补充说明：性别识别中的标注完全采用外包标注的结果

2、性别识别算法模型：采用CNN网络，以Encoder去噪平滑后的图像作为网络输入

3、人脸肤色识别算法模型：采用CNN网络（highway+tower），先用opencv中的自动肤色区域识别算法提取肤色区域后，与Encoder去噪平滑后的图像进行叠加作为网络的输入

4、针对较大规模测试算法模型改进：采用bagging boost方式，增强模型的泛化能力

4、所建立的深度网络算法模型，最终在性别识别中可达到90%以上的精度，在肤色识别中可达到80%以上的精度

时间：201X.8-201X.12   

项目名称：锤子简历（3）项目案例   

项目角色：算法研究人员   

1、主要负责：运用TensorFlow框架，构建满足项目需求的深度学习算法模型

2、所承担的任务包括：整理训练数据集.建立适用于项目需求的深度网络模型，并根据测试结果优化训练数据集/改进深度网络模型结构，产出算法原型demo

3、项目难点细节及解决方案：

1、项目初期标注数据较少，人工标注耗费大量时间成本：a）解决方案：Encoder-SVM自动标注算法模型，对未标注数采用自编码器（AutoEncoder）和深度置信网络（DBN-DNN）据进行编码特征提取，结合已标注数据对网络进行微调，针对已标注数据的编码特征采用SVM模型构建出整体的Encoder-SVM分类模型；b）效果：运用所构建的Encoder-SVM分类模型可对未标注数据生成标签，在项目中期外包标注数据跟入后，可结合机器标注与外包标注结果，提升标注精度。同时Encoder编码器解码后的图像可达到去噪的效果，有助于提高数据质量

2、项目中期数据量增大后，初期模型不满足项目需求：a）解决方案：改用CNN网络进行数据分类，采用VGGNet网络结构，并针对数据颜色特征减弱的问题，在所建立的模型中加入了highway方式，将输入层数据与每一池化层之前的输出进行identity累加操作，同时采用tower方式增加卷积层的宽度；b）效果：可提升分类精度 水果精细分类

3、项目后期较大规模测试算法模型改进：a）解决方案：为了使模型更具有普适性，采用bagging boost方式，对数据集进行随机切分，分别对子数据集训练出上述网络模型，再对softmax后的分类结果取均值，得到分类置信度；b）效果：可避免应对大规模测试时，单一网络在训练数据上产生过拟合现象，可提高测试精度

4、所建立的深度网络模型最终可达到90%以上的水果精细分类精度

时间：201X.1-201X.6   

项目名称：锤子简历（4）项目案例   

项目角色：研究骨干；技术研究；项目书撰写   

在参与项目过程中，通过稀疏学习与表达等机器学习技术，对图像衍生出图像自适应字典和稀疏编码的表达 方式，进而通过对图像数据重构过程中字典原子使用概率进行统计，分析获得图像字典原子中的背景和目标信息含量差 异，再将其转换回归为原始图像的背景和目标信息，从而突出并识别目标，实现了图像目标识别的需求。

时间：201X.1-201X.6   

项目名称：锤子简历（5）项目案例   

项目角色：研究骨干；技术研究；项目书撰写   

在参与项目过程中，通过数据驱动的模式识别方式，在图像中通过稳健背景与潜在目标的分割.解析表征图 像数据本征维度的嵌入特征以及图像数据中各像元异常度积分，抑制图像中的背景信息，突出并识别目标，在目标识别 等应用中实现数据自分析的需求。

时间：201X.1-201X.12   

项目名称：锤子简历（6）项目案例   

项目角色：研究骨干；技术研究；代码编写   

在参与项目过程中，运用具有代表性的图像目标识别方法，在 C++平台中实现图像异常模式识别的算法模 块，并达到一定的运行效率及精度要求。

时间：201X.1-201X.12   

项目名称：锤子简历（7）项目案例   

项目角色：研究骨干；技术研究；项目书撰写   

在参与项目过程中，通过低秩表达.慢特征分析等机器学习技术，提取图像有效本征特征，并分析图像中的 缓慢变化信息，将其作为背景信息的特征表达来突出并识别目标，实现了图像模式中有效本征特征的提取和背景信息的 抑制，实现了较高精度的图像目标识别应用需求。

自我评价

本人热爱科学研究，工作态度严谨认真。

· 熟悉深度学习.机器学习方法与发展前景，对机器学习有较深入的研究经历；

· 有2年人工智能项目实践经历；

· 熟悉掌握 PPT 制作及展示；

· 能承受工作中的压力；有良好的团队合作能力，服从性好

如果觉得这篇文章对您有启发，锤子简历想邀请你帮三个忙：

1、点赞，帮助更多人，让TA们也能看到这篇文章（笔芯~）

2、关注 @锤子简历

3、在【锤子简历】，有更多精美简历模板分享

PS：上图同款简历模板，可在“锤子简历”获取下载。