工作总结的自我评价(实用3篇).docxVIP

工作总结的自我评价(实用3篇)

一、2023年度自我评价·第一篇章

背景：杭州云脉数据科技有限公司·算法中台部·推荐算法组，职级P7，汇报对象技术总监。

周期：2022-12-01至2023-11-30，主责项目“全域推荐引擎3.0”与“实时特征计算平台”。

1.关键结果（KR）拆解

KR1：推荐引擎整体CTR提升≥8%，实际达成11.4%，对应GMV净增1.87亿元。

KR2：特征延迟P99从650ms降至180ms，节省42台Flink节点（年省63万云费用）。

KR3：组内代码覆盖率由58%提到82%，Sonar阻塞级漏洞0条，高危0条。

2.方法论与工具链

2.1离线实验

样本：回溯90天28亿条曝光-点击日志，按8:1:1滚动窗口构造数据集。

模型：DeepFM→DCNv2→FinalMMOE，三阶段递进。用阿里PAI-Studio做可视化调参，贝叶斯搜索200组超参，早停patience=5。

评估：AUC、GAUC、Group-Lift、QPS-RT四象限打分，只有同时过线才晋级。

2.2在线实验

灰度桶：10%→30%→100%三阶梯，每阶梯观察24h，最小样本量校验用2-samplet-test，α=0.05，power=0.8。

实时反作弊：对接风控的“行为分”接口，80分流量才进入实验，防止脏数据稀释效果。

2.3特征实时化

架构：Kafka→Flink1.16→Redis7→TRS（自研特征服务）。

窗口：滑动1min，允许乱序30s，用Flink的IncrementalWindow+MapState去重，去重键user_id+item_id+scene。

容灾：Redis采用Cluster+Sentinel，双可用区，写入失败时自动降级到“离线特征快照”，快照T-15min，业务无感知。

3.组织与流程

周迭代：需求池→T-shirt估时→Jira建卡→周三评审→下周一上线。

CodeReview：强制双人签出，其中一人需P7+；MR中必须附带benchmark截图，否则拒绝合并。

故障复盘：全年2次P3故障，均在30min内止血，1周内输出5W1H报告，故障分计入OKR扣分项。

4.个人贡献

主导“多目标序列化建模”子方向，提出MMOE+ESMM融合结构，解决下单率与停留时长双目标冲突，A/B测试下单率+6.7%，停留时长+4.2%。

设计FlinkCEP规则11条，识别92%的爬虫流量，年省带宽9.3TB。

撰写《推荐算法工程化白皮书》42页，被集团5个事业部采纳为模板。

5.待提升

多模态内容理解刚起步，视频抽帧特征冗余度高，下一步引入CLIP4Clip蒸馏，目标2024Q2存储降30%。

组内公共组件文档仍偏少，新人上手需7天，计划用MkDocs+GitHubAction做自动化文档站，缩短到3天。

二、2023年度自我评价·第二篇章

背景：深圳市政数局·智慧交通专班·信号优化组，职级高级工程师（事业编7级），负责“红绿灯自适应控制”项目。

1.年度目标（MBO）

M1：主干道平均车速提升6%，实际8.3%。

M2：停车次数下降10%，实际14.6%。

M3：重点路口事故率下降8%，实际11.2%。

2.技术路径

2.1数据底座

接入1,200路视频检测器、400路雷达，秒级上报流量、速度、排队长度。

建“交通元数据”库，字段187项，统一用GB/T28789-2012编码，解决部门间口径打架。

2.2算法模型

采用深度强化学习（A2C）+微观仿真（SUMO），状态空间32维，动作空间4维（红、绿、黄、全红），奖励函数R=0.7×throughput?0.3×delay。

训练500万步，耗时38h，用4张RTX-3080；收敛后移植到C++推理，单路口CPU占用15%。

2.3控制策略

时段划分：早高峰、平峰、晚高峰、夜间4时段，各训练专属模型。

安全约束：最小绿灯15s，最大红灯180s，切换损失3s全红，全部写死进策略网络mask。

3.实施流程

Step1路口画像：用无人机+激光雷达扫街，输出1:500电子地图，导入SUMO。

Step2模型训练：nightlybuild自动拉取前7日真实流量，增量更新。

Step3仿真评估：≥5%收益才允许实地下发，否则回滚。

Step4现场调试：凌晨0-4点做UTMC（