Започнете с внедрените модели
Поставете текущата си длъжност и най-силната си работа в продукционна среда близо до началото. Посочете какво е обработвал моделът, мащаба на данните или работната среда и какво се е променило след пускането му - например обемът на проверките, забавянето или качеството на извличане. Разграничете прототипите от функционалностите, използвани от клиенти или оперативни екипи; екипите по подбор трябва да видят дали сте поддържали модели извън среда за разработка.
Покажете как сте оценявали моделите
Посочете метода за оценяване и подходящата за задачата метрика: прецизност и пълнота при откриване, F1 при извличане или забавяне при услуга за инференция. Когато можете, посочете размера или източника на набора от данни и обяснете дали резултатите са от отделен набор за оценяване или от наблюдение в продукционна среда. Избягвайте неподкрепени твърдения, че моделът е точен, без да посочите какво сте измерили.
Посочете конкретните технологии
Избройте рамките, семействата модели и инструментите за внедряване, с които сте работили лично, например PyTorch, OpenCV, Hugging Face Transformers, Docker или Kubernetes. Свържете всеки инструмент с проект или постижение, вместо да изреждате всеки пакет, който сте изпробвали. Посочвайте облачни платформи или векторни бази данни само ако са част от действителната ви работа и са релевантни за обявата.
Добавете връзка към целенасочено портфолио
Кратко портфолио може да представи възпроизводим проект за компютърно зрение или NLP, подхода за оценяване и ясно обяснение на компромисите. Добавете връзка към код или демонстрация, които имате право да споделите, и премахнете данните на клиенти, данните за достъп и поверителните подробности за моделите. Отделете академичните статии, уроците и страничните проекти от работата в продукционна среда, за да могат читателите бързо да разберат каква отговорност сте носили.