AI算法工程师 | 大模型应用 × 时序分析 × 智能运维
🎓 教育背景
教育背景
2016.09 - 2019.07
西安电子科技大学 · 通信工程 · 硕士
2012.09 - 2016.07
西安电子科技大学 · 通信工程 · 本科
💼 工作经历
工作经历
2025.08 - 至今
算法专家 — X互联网公司，继续深耕AI算法领域，聚焦大模型应用与智能化方向。
2019.07 - 2025.07
AI算法工程师 — 阿里巴巴，从事智能运维领域的算法研发工作，涵盖异常检测、故障诊断、需求预测等方向，主导多个大模型与时序分析项目的落地。
🚀 项目经历
探索大模型在智能运维领域的应用，提升运维专业性与效率。
技术：
- RAG架构：查询改写、检索排序、提示优化，实现领域知识精准问答
- Agent：意图识别、工具召回、总结概括，支持查询与诊断决策
- 多模态理解：版面分析 + 多模态内容理解，自动化知识提取与生成
成果： 搭建运维助手，统一整合多个应用场景，有效提升日常运维效率。
结合大模型理解多源异构数据，实现深层次故障分析诊断。
技术：
- 时序分析：事件智能关联与知识图谱构建，捕捉复杂模式实现高效监控告警
- LLM解析：解析日志与现场反馈，生成事件摘要与影响面评估
- Multi-Agent：多层级智能体协同，综合推理故障原因并提供应急建议
成果： 显著减少无效告警，有效避免重大事故，对应急快恢提供有力支持，项目荣获特别奖项。
面向智能运维场景的间断性需求预测与库存优化。
技术：
- 概率模型 + 上下文预测模型，实现间断性需求分类与预测
- 多目标贝叶斯优化，平衡预测命中率与库存成本
- Prophet · N-Beats · Transformer · TFT 等时序模型同步预测
成果： 实现高命中率与显著成本节省，较传统方式成本大幅下降，项目获得特别奖项。
清华大学合作项目，通过图神经网络实现数字孪生构建。
技术：
- 时序预测：Encoder-Decoder中嵌入图预测，解决长期预测中图动态变化问题
- 因果推理：引入干预信息进行因果推理，构建最优因果关系图
成果： 发表论文3篇，申请专利1项，研究成果落地应用。
🛠️ 专业技能
| 类别 | 技能 |
|---|---|
| 数据分析 | Numpy · Pandas · Scikit-learn |
| 机器学习 | LR/SVM · RF/GBDT · LGB/XGB |
| 深度学习 | CNN · RNN · Transformer · AE/VAE |
| 大模型应用 | RAG · Agent · vLLM · PEFT |
| 时序建模 | Prophet · N-Beats · TFT · Transformer |
| 中间件 | MySQL · Redis · Kafka |
🏆 竞赛与荣誉
- Kaggle Expert（银牌×1，铜牌×2）
- 天池数据竞赛冠军
- DataCastle数据竞赛冠军
- 特别贡献奖
- 客户第一奖
- 校优秀研究生
- CET-6
📜 论文与专利
- (CIKM 2023) 时序域干预数据因果发现
- (KBS 2023) 基于多因子分离演化时空图神经网络的长期多元时序预测
- (CIKM 2024) 基于大模型的时序因果发现
智能运维方向专利共5项，涵盖：
- 时序因果发现与知识图谱构建
- 在线异常检测与风险预测
- 需求预测与应急处理
熟悉数据分析、特征工程、AI算法建模与工程化部署，在时序相关领域积累了丰富经验。
在大模型应用方面，具备一定的实践经验，保持对技术的好奇与热情，持续探索AI落地的可行性与创新性。
联系我