计算机视觉算法工程师简历范文（社招）

这份简历范文适合正在社招计算机视觉算法工程师、有1-3年经验、希望把项目经历写成可验证成果的求职者。尤其适合从事目标检测、图像分类、OCR、人脸识别等方向的候选人参考经历组织方式和量化表述。

• 适合需要将深度学习框架（PyTorch/TensorFlow）、模型优化方法（剪枝、量化、蒸馏）写入简历的算法工程师。
• 适合想在简历中突出工程化部署经验（TensorRT、ONNX、OpenVINO）的求职者。

计算机视觉算法工程师的招聘方通常最先看项目经历是否与业务场景匹配，以及是否有可验证的指标提升（mAP、FPS、准确率、推理延迟）。其次关注模型优化和部署能力。

• 业务匹配度：项目场景是否与招聘方向一致，例如自动驾驶、安防、医疗影像、工业质检。
• 技术深度：是否使用过Transformer、YOLOv8、Swin Transformer等主流架构；是否有从数据标注到模型上线的全流程经验。
• 成果指标：精确率/召回率/mAP提升几个点，推理速度优化至多少毫秒，模型参数量压缩比。
• 工程能力：是否熟悉C++、Python，能否用TensorRT部署或CUDA优化。

计算机视觉算法工程师简历建议按“个人概述 - 专业技能 - 工作经历/项目经历 - 教育背景”顺序展开。其中项目经历最核心，每条描述应包含“问题/场景 + 方法/模型 + 工具/框架 + 量化结果”。

• 个人概述：直接点明算法方向、经验年限、擅长的视觉任务（检测/分割/分类）和主要技术栈。
• 专业技能：按类别如“深度学习框架（PyTorch/TensorFlow）”“计算机视觉库（OpenCV/MMDetection）”“模型部署工具（TensorRT/ONNX）”分组列出。
• 项目经历：每条控制在3-5行，包含业务背景、所做动作、使用模型、关键技术指标。

使用这份范文后，必须把项目名称、使用的模型、数据集大小、具体指标数值改成自己的实际经历。同时检查关键词是否匹配目标JD。

• 首先替换项目经历中的业务场景、模型名称和指标，确保每个数字都来自真实模型测试。
• 其次检查专业技能栏是否涵盖目标JD要求的技术栈，多出的删除或调整顺序。
• 最后统一动词时态（社招用过去式），并确保每段描述都有明确的动作和结果。

复制这份范文前，可以先看这些常见疑问，再决定哪些内容适合保留、替换或加强。