Mingjing Wu-Machine Learning Engineer | Inferenzsysteme & Empfehlung
Tagessatz prüfen
Erfahrungen
Software Engineer, Inference
Confidential AI Company
- Aufgebaut habe ich eine Inferenz-Engine für die Produktion von Grund auf und leistungsstarke GEMM-, Sparse-Attention- und Fused-Kernels implementiert, wodurch sich die Inferenzleistung um bis zu 200 % verbessert hat.
- Ermöglicht und optimiert habe ich die Inferenz für 10+ neu veröffentlichte Modellfamilien, darunter DeepSeek, Kimi und MiniMax, und damit die Produktionsreife bei Latenz, Durchsatz und Recheneffizienz verbessert.
Machine Learning Engineer Intern
Alibaba Cloud
- Aufgebaut habe ich eine unüberwachte NLP-Pipeline für 30.000 Kundenservice-Tickets mit StructBERT, Siamese UniNLU, Regex-Labeling und Neo4j; dadurch erreichte ich 97 % Genauigkeit und steigerte die automatisierte Lösungsrate nach dem Deployment auf Alibaba EAS um 21 %.
- Entwickelt habe ich ein auf Prophet basierendes Nachschubsystem und ein dynamisches Bestandsmodell für Cloud-Assembly-to-Order-Operationen; das System erreichte 98 % Adoption und prognostizierte jährliche Einsparungen bei den Lagerkosten von 100 Mio. RMB.
Search Ads Machine Learning Engineer Intern
JD Retail (JD.com)
- Aufgebaut habe ich eine tägliche Knowledge-Distillation-Pipeline von BERT zu FastText mit EM-basierter Übertragung und traffic-bewusstem Pruning für die Vorhersage von Suchanfragen-Kategorien; dadurch stiegen die Impressions um 1,9 % und der Content-Konsum um 2,2 %.
- Neu gestaltet habe ich einen Multi-Label-Intent-Classifier für über 6.000 Kategorien mit Circle Loss und Dual-Towers mit gemeinsamem Encoder sowie Cross-/Self-Attention; dadurch stiegen die Impressions um 2,0 % und der Content-Konsum um 1,7 %.
- Optimiert habe ich das Retrieval heterogener Graphen mit MetaPath2Vec, HAN und layerweiser Trainingsstrategie für Graphen im Milliardenmaßstab; dadurch stieg der Content-Konsum in 1,5- bis 2-wöchigen Online-A/B-Tests mit 30 Mio. DAU um 3,1 %.
Recommendation Systems Engineer Intern
Kuaishou
- Verbessert habe ich das multi-objektive Ranking mit LightGBM durch personalisiertes Recall, PageRank, ADASYN und Bayesian Smoothing; dadurch stieg die Offline-AUC bei hochfrequentem Traffic um 6,9 % und insgesamt um 3,0 %.
- Eingesetzt habe ich DeepFFM-/MMoE-Modelle in C++ mit BPR-Loss und Attention Pooling, wodurch sich die gAUC um 9 % relativ verbesserte; zusätzlich habe ich Doubly-Robust-Estimation mit DID und Propensity-Score-Matching genutzt, um die Retention um 0,7 % relativ zu erhöhen.
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Informationstechnologie (IT), Einzelhandel, Medien und Unterhaltung und Druck.
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Informationstechnologie (IT), Produktentwicklung, Kundendienst, Logistik, Betrieb und Lieferkettenmanagement.
Zusammenfassung
Ich baue Machine-Learning-Systeme, die sowohl die Modellqualität als auch die Effizienz in der Produktion verbessern, mit praktischer Erfahrung in Inferenz, Empfehlung, Search Ads und angewandtem NLP. Ich habe eine Inferenz-Engine für die Produktion von Grund auf aufgebaut und leistungsstarke GEMM-, Sparse-Attention- und Fused-Kernels implementiert, wodurch sich die Inferenzleistung um bis zu 200 % verbessert hat und gleichzeitig 10+ neu veröffentlichte Modellfamilien für den Produktionseinsatz unterstützt wurden.
Außerdem entwickle ich praxisnahe ML-Lösungen, die Geschäftskennzahlen verbessern. Meine Arbeit hat Latenz, Durchsatz, Impressions, Content-Konsum, Retention und automatisierte Lösungsraten durch Empfehlungsmodelle, Graph-Retrieval, Knowledge Distillation und NLP-Pipelines verbessert. Mein Hintergrund in Analytik und Mathematik hilft mir dabei, komplexe Modelle in zuverlässige Systeme zu verwandeln, die in großem Maßstab gut funktionieren.
Fähigkeiten
- Programmierung: Python, C++, Java
- Ml-Systeme: Verteilte Inferenz, Kernel-Optimierung, Model Serving, Profiling/Benchmarking
- Ml: Retrieval, Ranking, Personalisierung, Knowledge Distillation, A/B-Tests
Sprachen
Ausbildung
Nanyang Technological University
M.S. · Analytics · Singapore, Singapur · 4.3/5.0
Central South University
B.S. · Mathematics and Applied Mathematics · Chang Sha Shi, China · 3.7/4.0
Statistiken
Erfahrung
Fachkenntnisse
Qualifikationen
Profil
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Tagessatzverteilung
Die angegebenen Tagessätze entsprechen der typischen Marktspanne für Freelancer in dieser Position, basierend auf aktuellen Projekten auf unserer Plattform.
Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Durchschnittlicher Tagessatz für ähnliche Positionen
Die Tagessätze basieren auf aktuellen Projekten und enthalten keine FRATCH-Marge.
Der durchschnittliche Tagessatz ist der Mittelwert aller Tagessätze aus aktuellen Verträgen vergleichbarer Freelancer auf unserer Plattform.
Der Median-Tagessatz ist der mittlere Wert aller Tagessätze – die Hälfte der vergleichbaren Freelancer verlangt weniger, die andere Hälfte mehr. Anders als der Durchschnitt wird er von Ausreißern kaum beeinflusst.
Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Ähnliche Freelancer
Entdecke andere Experten mit ähnlichen Qualifikationen und Erfahrungen
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Software Engineer, Inference
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Singapore, Singapur arbeiten
