参与智能推荐系统的算法优化，基于用户行为日志构建特征工程，使用Python和Spark处理日均百万级数据，设计并实现LightGBM和DeepFM模型进行点击率预估，与产品、后端团队协作完成A/B测试，最终使推荐点击率提升12%，并沉淀了特征文档和模型评估报告。此外，我还负责线上模型的监控与迭代，分析用户反馈数据，提出并实施了特征交叉与样本加权策略，进一步提升了模型的泛化能力与业务效果。