总体介绍
数据科学方向研究者，热爱将复杂问题转化为可落地的解决方案。拥有计算机科学与统计学双背景，善于跨团队协作，致力于用技术创造真实价值。
目前专注于推荐系统、因果推断与图神经网络，在工业界和学术界均有丰富的项目经验。
个人优势
雅思专家
算法建模 (Python/R)
数据可视化 (Tableau, D3)
分布式计算 (Spark)
技术文档 & 学术写作
团队协作 & 项目管理
英语 (IELTS 7.5)
具有 5 年以上全栈数据项目经验，善于从数据中提取洞察，并推动业务决策。沟通能力强，擅长将技术语言转化为业务价值。
学习经历
- 2020 – 2023北京大学 · 数据科学 (硕士) — GPA 3.9/4.0，研究方向：因果推断与推荐系统
- 2016 – 2020南京大学 · 计算机科学与技术 (学士) — 荣誉学士，多次获得国家奖学金
- 2018 (夏)加州大学伯克利分校 · 暑期交换 — 数据挖掘与机器学习课程 (A+)
工作经历
- 2023 – 至今字节跳动 · 算法工程师 — 负责抖音推荐流中的多目标优化，CTR提升12%，参与搭建实时特征平台。
- 2021 – 2022 (实习)阿里巴巴 · 数据科学实习生 — 利用用户行为序列建模，提升广告点击率预估精度，项目获团队创新奖。
- 2020 (暑期)微软亚洲研究院 · 研究助理 — 协助研究员进行图神经网络在社交网络中的应用研究，共同发表论文一篇。
发表论文
“基于图对比学习的社交推荐算法”
数据挖掘与知识发现 (TKDD), 2024 SCI Q1
张明远，李欣，王晨. 提出一种新范式，在公开数据集上取得 SOTA 结果。
“多模态时序数据中的异常检测框架”
国际人工智能联合会议 (IJCAI), 2023 CCF A
张明远，赵一，Chen L. 针对工业传感器数据提出轻量化检测模型，F1 提升 8%。
“融合知识图谱的跨域推荐系统”
计算机学报, 2022 中文核心
张明远，孙晓. 探讨冷启动场景下的知识迁移，被引 30+。