智能科学与技术科技公司人工智能工程师实习报告.docxVIP

智能科学与技术科技公司人工智能工程师实习报告

一、摘要

2023年7月1日至2023年8月31日，我在一家智能科学与技术科技公司担任人工智能工程师实习生，参与智能推荐系统开发项目。核心工作成果包括优化推荐算法，将用户点击率提升12.3%，通过特征工程与模型调优，将召回率从35.6%提升至48.2%。具体应用了Python进行数据处理，使用TensorFlow搭建并训练深度学习模型，结合Spark进行大规模数据并行处理。提炼出可复用的特征交叉方法，通过A/B测试验证效果，最终形成包含数据清洗、模型迭代、效果评估的标准化工作流。

二、实习内容及过程

1.实习目的

想通过实践加深对智能推荐系统实际应用的理解，掌握从数据到模型部署的全流程，看看自己学的理论知识在工业界怎么落地。

2.实习单位简介

这家公司做的是电商领域的智能推荐，技术栈偏深度学习，团队规模不大但氛围挺拼，数据量级每天几亿UV，对算法效率要求很高。

3.实习内容与过程

前两周跟着导师熟悉业务逻辑，主要是看他们现成的召回和排序模型，用Python跑过几次离线评估脚本。第三周开始接手一个冷启动推荐任务，用户数据稀疏，特征维度又高，挺头疼的。

我花了两天时间整理用户行为日志，发现点击率分布非常偏，用归一化处理后再喂给模型，AUC从0.58提升到0.63。后来又试了双向GRU捕捉时序特征，效果确实好些，但训练时间从8小时缩到3