2026年工作总结自我评价例文(二篇).docxVIP

2026年工作总结自我评价例文(二篇)

2026年工作总结·自我评价（一）

一、岗位与组织背景

1.公司：深圳鲲鹏智算科技有限公司

2.部门：数据智能事业部·算法交付组

3.职级：P7算法工程师（技术骨干）

4.汇报线：算法总监→事业部总经理

5.年度编制：算法交付组11人，本人承担“城市级视觉中枢”项目主算法负责人，全年直接对客交付7个项目，合同额合计1.34亿元。

二、年度目标与达成度

1.量化指标

①算法精度：年度平均mAP≥84%，实际达成86.7%，同比+3.4pp。

②交付周期：标准80人日项目压缩至55人日，全年提前累计132人日。

③成本节降：通过模型蒸馏+TensorRT组合，单路GPU成本下降38%，为公司节省算力租赁费412万元。

④专利：提交发明专利6件（已受理），其中2件进入实审。

⑤客户满意度：项目终验评分平均94.2分（满分100），高于部门基线9.1分。

2.非量化指标

①技术路线：完成“YOLOv8+Transformer”混合架构落地，首次在城管场景实现电动车头盔检测零样本冷启动。

②组织贡献：牵头制定《算法模型版本管理规范V3.2》，被QA纳入公司级质量体系；培养2名P5晋升P6，组内技术分享12次。

③风险闭环：建立“数据漂移—模型降级—自动回滚”三级预案，全年线上事故0起，而2025年同类事故3起。

三、关键项目经历

1.东莞松山湖城市视觉中枢（合同额4200万，周期2025.12—2026.09）

①痛点：32类长尾目标（如垃圾包、施工标牌）样本不足，传统fine-tune精度65%。

②方法：

a.数据侧：采用“主动学习+弱监督”双轮驱动，先用SAM做无标注分割，再引入人工5%精标，实现1∶20的标注杠杆。

b.模型侧：主干替换为ConvNeXt-V2，neck引入CBAM，head加入Task-Aligned动态标签分配；训练阶段使用FocalLoss+VarifocalLoss联合，解决正负样本1∶1200极端不平衡。

c.部署侧：编译TensorRT8.6，开启FP16+INT8混合精度，kernel融合后单帧延迟从42ms降到18ms（T4卡）。

③结果：32类平均精度81.3%，其中21类85%，客户一次性通过第三方评测（公安部三所）。

2.广州南站智慧枢纽扩容（合同额1800万，周期2026.04—2026.07）

①痛点：节假日客流30万+/日，需实时统计站内密度，原方案GPU消耗710张A30，预算超支。

②方法：

a.提出“人群密度图+轨迹插值”融合算法，将视频帧采样率从25fps降到6fps，轨迹缺失段用LSTM插值补偿，精度损失2%。

b.设计“算力潮汐调度”：平日60%推理节点休眠，假期前30分钟自动弹性扩容；基于K8s+Keda，扩容脚本用Python写CRD，阈值按队列长度2000或CPU75%双触发。

③结果：GPU压缩至420张，节省410万元；国庆高峰密度统计延迟1.2s，局方通报表扬。

四、制度与流程建设

1.《算法模型全生命周期管理规范》

①版本号规则：主版本.客户代码.迭代次.补丁—示例3.DG.12.2表示东莞项目第12次迭代第2补丁。

②三道门禁：

a.代码门禁：pre-commit自动触发flake8+black+unitest，覆盖率90%拒绝merge。

b.数据门禁：新增5%训练集必须做分布一致性检验（KL散度0.05）。

c.模型门禁：A/B测试精度提升≥1.5pp且负样本误检率下降≥0.5pp方可灰度。

③回滚阈值：线上精度下降2pp或事故等级≥P3，15分钟内自动回滚并冻结版本。

2.《客户现场交付手册》

①交付前：提供《环境自检清单》共68项，含驱动、CUDA、libc版本；自检脚本一键运行，10分钟输出报告。

②交付中：每日18:00提交《双日报》，含当日GPU利用率、TOP5故障、次日风险。

③交付后：进入90天“保姆期”，安排1名算法+1名工程驻场，故障响应SLA30分钟。

五、个人能力成长

1.技术深度：精读论文147篇，复现42篇，输出代码库yolov8-tricks，star1.2k；撰写技术博客26篇，B站课程播放22万。

2.技术广度：拿到AWSSAP认证，完成KubernetesCKA认证；用Terraform编写GPU节点一键起删脚本，平均节省运维人力0.5FTE/项目。

3.软技能：参加Toastmasters18次演讲，拿到“CC”证书；主导跨部门沟通workshop，把算法、产品、法务拉到一张桌，3小时敲定数据合规边界，缩短合同谈判周期7天。

六、不足与改进

1.商业敏感度不足：对“算法变现”路径思考