علوم البيانات والذكاء الاصطناعي · متوسط إلى خبير (4+ سنوات)

سيرة ذاتية لمهندس الرؤية الحاسوبية ومعالجة اللغة الطبيعية

يوضح هذا النموذج كيفية ربط الرؤية الحاسوبية والنماذج اللغوية بتحسينات قابلة للقياس في المنتج، بدءًا من مسارات معالجة الصور وصولًا إلى تصنيف النصوص. وتُبرز السيرة الذاتية القوية لهذا الدور البيانات واختيارات النماذج وأعمال النشر ونتائج التقييم بوضوح لفرق الهندسة وفرق البحث التطبيقي.

تقييم السيرة الذاتية

ما يبحث عنه مسؤولو التوظيف وأنظمة التتبع. إرشادات وليست تنبؤًا.

100 / 100مكتملة

100%
  • بيانات الاتصال20 من 20
  • الملخص20 من 20
  • الخبرة30 من 30
  • المهارات20 من 20
  • التعليم10 من 10

بيانات الاتصال

ضع هذه البيانات في الأعلى؛ فهي أول ما يبحث عنه مسؤولو التوظيف وأنظمة التتبع.

اختياري. عادةً لا تتضمن السير الذاتية صورًا شخصية في الولايات المتحدة والمملكة المتحدة وكندا.

52 كلمة

اكتب وظيفة واحدة في كل فقرة، وابدأ كل إنجاز في سطر جديد بعلامة “-”.

11 مهارة

افصل بين المهارات بفواصل، مثل: Excel، SQL، تخطيط المشاريع.

أقسام إضافية

المشاريع أو الشهادات المهنية أو اللغات أو أي شيء آخر يدعم طلبك.

مشاريع مختارة
الأدوات

أليكس مورغان

مهندس الرؤية الحاسوبية ومعالجة اللغة الطبيعية

  • أليكس.مورغان@إكزامبل.كوم
  • +1 555 0100
  • دنفر، كولورادو

الملخص

مهندس رؤية حاسوبية ومعالجة اللغة الطبيعية بخبرة 5 سنوات في بناء مزايا تعلّم آلي قيد التشغيل على منصة لوجستية B2B. تشمل نقاط القوة معالجة الصور مسبقًا، والضبط الدقيق للمحوّلات، وتقييم النماذج، مع سجل في تحسين استخراج المستندات وإجراءات مراجعة تلف الطرود. لديه خبرة في نشر خدمات PyTorch ومراقبة جودة النماذج بعد إطلاقها.

الخبرة

مهندس رؤية حاسوبية ومعالجة لغة طبيعية في Pineglass Parcel Technologies، دنفر، كولورادو (2023 – حتى الآن) - أنشأ مسارًا لاكتشاف التلف باستخدام PyTorch وOpenCV لصور المستودعات، يعالج نحو 1,200 صورة يوميًا، وخفّض حجم المراجعة اليدوية بنسبة 18%. - أجرى ضبطًا دقيقًا لنموذج تصنيف الرموز من Hugging Face لاستخراج بيانات مستندات الشحن، فرفع مقياس F1 على مستوى الحقول من 0.86 إلى 0.91 على مجموعة تقييم مستبعدة من التدريب. - نشر خدمات استدلال ذات إصدارات محددة باستخدام Docker وKubernetes، فخفّض زمن معالجة الصورة الوسيط من 1.8 ثانية إلى 1.2 ثانية لكل صورة. مهندس تعلّم آلي في Ridgeway Applied Language Labs، بولدر، كولورادو (2021 – 2023) - طوّر مسارات OCR والتعرّف على الكيانات المسماة للفواتير باستخدام Tesseract وBERT، فقلّص متوسط زمن فرز الاستثناءات بنسبة 22% لدى فريقين من العملاء. - قيّم نماذج YOLO لاكتشاف الأجسام على مجموعة بيانات موسومة تضم 14,000 صورة، وحدّد أوجه القصور في الكاميرات والإضاءة، ما حسّن الاستدعاء بمقدار 7 نقاط مئوية.

التعليم

بكالوريوس العلوم في علوم الحاسوب — Aspen Vale Institute of Computing، فورت كولينز، كولورادو (2021)

المهارات

  • الرؤية الحاسوبية
  • معالجة اللغة الطبيعية
  • PyTorch
  • OpenCV
  • Hugging Face Transformers
  • اكتشاف الأجسام
  • OCR
  • التعرّف على الكيانات المسماة
  • تقييم النماذج
  • Docker
  • Kubernetes

مشاريع مختارة

• اكتشاف تلف الطرود: قارنت بين إصدارات نماذج YOLO ووثّقت الاستدعاء حسب نوع التلف. • استخراج بيانات مستندات الشحن: أنشأت مجموعة تقييم لـ OCR واستخراج الكيانات عبر عمليات مسح ضوئي متنوعة.

الأدوات

• Python، PyTorch، OpenCV، Hugging Face Transformers، Tesseract • Docker، Kubernetes، MLflow، PostgreSQL، Git

كيفية كتابة سيرة ذاتية لوظيفة مهندس الرؤية الحاسوبية ومعالجة اللغة الطبيعية

ابدأ بعمل النماذج التي أطلقتها

ضع دورك الحالي وأقوى أعمالك الإنتاجية قرب بداية السيرة الذاتية. اذكر المهمة التي أدّاها النموذج، وحجم البيانات أو بيئة التشغيل، وما الذي تغيّر بعد إطلاقه، مثل حجم المراجعة أو زمن الاستجابة أو جودة الاستخراج. ميّز النماذج الأولية عن المزايا التي استخدمها العملاء أو فرق العمليات؛ إذ تحتاج فرق التوظيف إلى معرفة ما إذا كنت قد دعمت النماذج خارج بيئة الدفاتر البرمجية.

وضّح طريقة تقييمك للنماذج

اذكر طريقة التقييم والمقياس المناسب للمهمة: الدقة والاستدعاء لاكتشاف الأجسام، وF1 للاستخراج، أو زمن الاستجابة لخدمة الاستدلال. اذكر حجم مجموعة البيانات أو مصدرها متى أمكن، ووضّح ما إذا كانت النتائج من مجموعة مستبعدة من التدريب أم من مراقبة الإنتاج. تجنّب الادعاء بلا دليل بأن النموذج دقيق، من دون تحديد ما قسته.

حدّد الأدوات والتقنيات التي استخدمتها

أدرج الأطر وعائلات النماذج وأدوات النشر التي استخدمتها عمليًا، مثل PyTorch وOpenCV وHugging Face Transformers وDocker أو Kubernetes. اربط كل أداة بمشروع أو إنجاز بدلًا من سرد كل حزمة جرّبتها. اذكر المنصات السحابية أو قواعد بيانات المتجهات فقط إذا كانت جزءًا من عملك الفعلي وذات صلة بإعلان الوظيفة.

أضف رابطًا إلى معرض أعمال مركّز

يمكن لمعرض أعمال موجز أن يعرض مشروعًا قابلًا لإعادة الإنتاج في الرؤية الحاسوبية أو معالجة اللغة الطبيعية، ومنهجية التقييم، وشرحًا واضحًا للمفاضلات. أضف رابطًا إلى شيفرة أو عرض تجريبي مسموح لك بمشاركته، واحذف بيانات العملاء وبيانات الاعتماد وتفاصيل النماذج المملوكة للجهة. ميّز بوضوح بين الأوراق الأكاديمية والدروس والمشاريع الجانبية وبين العمل الإنتاجي، ليتمكن القارئ من فهم نطاق مسؤوليتك بسرعة.

كلمات مفتاحية شائعة

مهارات وأدوات تُذكر غالبًا لهذه الوظيفة. استخدم ما تتقنه فقط، وبالصياغة الواردة في إعلان الوظيفة. انقر على كلمة لنسخها.

أفعال تدل على الإنجاز

أنشأتدرّبتنشرتخفّضتحسّنتأتمتتقيّمت

أسئلة عن هذه الوظيفة

كم ينبغي أن يكون طول سيرة مهندس الرؤية الحاسوبية ومعالجة اللغة الطبيعية؟

إذا كانت خبرتك نحو خمس سنوات، فعادةً ما تكون صفحتان مناسبتين إذا تضمنت الصفحة الثانية تفاصيل تقنية أو مشاريع ذات صلة. ضع أقوى أعمالك الإنتاجية وتقييم النماذج ونتائج النشر في الصفحة الأولى. يمكنك عادةً اختصار المقررات الدراسية المبكرة والوظائف غير ذات الصلة أو حذفها، ما لم تُظهر مهارات مرتبطة مباشرة بالدور.

هل ينبغي أن تضيف رابطًا إلى معرض أعمالك أو GitHub؟

أضف رابطًا إذا كان يعرض عملًا ذا صلة ومتاحًا للعامة وسهل المراجعة، مثل مشروع قابل لإعادة الإنتاج أو دفتر تقييم أو تقرير تقني. اشرح المهمة ومصدر البيانات والمقاييس ومساهمتك. لا ترفع بيانات العملاء أو شيفرة صاحب العمل أو مواد تغطيها اتفاقيات السرية؛ فوصف العمل بعد تنقيح التفاصيل أكثر أمانًا.

ما الشهادات التي ينبغي أن أدرجها لهذا الدور؟

لا تتطلب وظائف مهندس الرؤية الحاسوبية ومعالجة اللغة الطبيعية عمومًا ترخيصًا مهنيًا أو شهادة موحّدة في الولايات المتحدة. أدرج شهادة ذات صلة بالحوسبة السحابية أو تعلّم الآلة فقط إذا كنت قد حصلت عليها، واذكر الجهة المانحة والتاريخ عند الحاجة، وضعها بعد خبرات المشاريع المهمة. لا تعرض إتمام دورة على أنه شهادة مهنية.

هل يمكنني الانتقال إلى هذا الدور من علم البيانات أو هندسة البرمجيات؟

نعم. أبرز المشاريع التي تُظهر قدرتك على بناء نماذج الرؤية أو اللغة وتقييمها، والتعامل مع بيانات حقيقية، ودمج الاستدلال في تطبيق. إذا كانت خلفيتك في علم البيانات، فأضف أمثلة على النشر والمراقبة؛ وإذا كانت في هندسة البرمجيات، فأظهر تدريب النماذج واستخدام مقاييس مناسبة للمهمة والتعامل مع مجموعات البيانات. وضّح أن المشاريع الشخصية أو الأكاديمية كذلك، واشرح مساهمتك الفردية.