IT人力外包人才简历库

精通反爬虫与反作弊策略设计，擅长构建实时风控系统架构。掌握Flink/Storm流处理框架，具备分布式特征工程能力。精通机器学习算法（LR/GBDT/RF）与深度学习模型（DNN/CNN/RNN），熟悉图计算（LPA/Louvain）与Graph Embedding技术。熟悉Hadoop生态（Hive/HBase/Redis/Kafka）及实时计算平台，具备大规模特征中心设计与优化经验。擅长构建用户画像体系，精通异常检测算法（AutoEncoder/分布异常检测）与黑灰产对抗策略。

主导反作弊通用算法研发，构建覆盖波动性与粒子性分析的风控体系，设计记忆模型实现作弊模式实时捕捉。完成多特征异常检测模型优化，通过AutoEncoder算法提升正常分布刻画精度，实现F1值达0.969。设计统一特征中心架构，整合离线/实时计算能力，将特征迭代效率提升80%。构建用户知识图谱与一阶同人模型，支持多业务场景作弊识别，提升作弊用户召回率20%。主导实时风控系统架构优化，实现特征查询响应时间<500ms。

反作弊通用算法项目：设计覆盖流量业务的实时过滤系统，构建基于记忆模型的作弊模式捕捉机制。通过连续值特征优化提升模型泛化能力，实现ID模型增量训练时间<5min，F1值达0.94。开发多特征异常检测模型，结合DNN二分类算法提升检测精度，实现F1值0.969。优化特征中心架构，采用Hadoop生态实现特征计算，离线计算时间<30min，特征迭代效率提升80%。

反作弊特征中心项目：设计实时/离线统一特征中心架构，实现特征元数据管理与自动代码生成。构建用户知识图谱，基于GCN算法识别作弊用户，提升作弊召回率20%。优化特征存储方案，支持实时特征查询服务，降低特征计算资源消耗30%。