ডেটা সায়েন্স ও AI · সিনিয়র (৬+ বছর)

মেশিন লার্নিং ইঞ্জিনিয়ার পদের সিভির নমুনা

এই নমুনায় দেখা যায়, একজন ইঞ্জিনিয়ার কীভাবে পরীক্ষা-নিরীক্ষা থেকে শুরু করে পর্যবেক্ষণসহ প্রোডাকশন রিলিজ পর্যন্ত র‍্যাঙ্কিং ও পূর্বাভাস মডেল উন্নত করেন। একটি শক্তিশালী সিভিতে মডেল নির্বাচন, ডেটা ও ডিপ্লয়মেন্টের কাজকে লেটেন্সি, প্রাসঙ্গিকতা, খরচ বা ব্যবসায়িক কর্মপ্রবাহে পরিমাপযোগ্য পরিবর্তনের সঙ্গে যুক্ত করা হয়; পাশাপাশি ব্যবহৃত টুল ও কাজের পরিসরও স্পষ্ট থাকে।

তানভীর আহমেদ

মেশিন লার্নিং ইঞ্জিনিয়ার

  • tanvir.ahmed@example.com
  • +880 1712 345678
  • ঢাকা

সারাংশ

B2B বাণিজ্যিক পণ্যের জন্য র‍্যাঙ্কিং ও পূর্বাভাস ব্যবস্থা তৈরিতে ৭ বছরের অভিজ্ঞতাসম্পন্ন মেশিন লার্নিং ইঞ্জিনিয়ার। Python ও PyTorch-এ মডেল তৈরি, ফিচার পাইপলাইন নকশা এবং Kubernetes-এ স্থাপনায় দক্ষ। অফলাইন ও অনলাইন মূল্যায়নে সতর্ক; প্রতিদিন ২০ লাখ সুপারিশের অনুরোধ প্রক্রিয়াকরণকারী সেবা চালু করেছেন।

কর্ম-অভিজ্ঞতা

মেশিন লার্নিং ইঞ্জিনিয়ার II, Cedarpath Commerce (২০২২ - বর্তমান) - সেশন ও পণ্যের তালিকার তথ্য দিয়ে PyTorch র‍্যাঙ্কিং মডেল তৈরি করেছি; ১২ লাখ সেশনের নিয়ন্ত্রিত পরীক্ষায় কার্টে যোগ করার হার ৬% বেড়েছে। - Kubernetes-এ সুপারিশ সেবা চালু করেছি এবং MLflow ট্র্যাকিংসহ ব্যাচ স্কোরিং যোগ করেছি; p95 সাড়া দেওয়ার সময় ১৮০ মিলিসেকেন্ড থেকে ১২৫ মিলিসেকেন্ডে নেমেছে। - প্রোডাকশনে ব্যবহৃত ১৪টি ফিচারের যাচাই ও ড্রিফট সতর্কতা স্বয়ংক্রিয় করেছি; এতে সাপ্তাহিক মডেল রিলিজের আগে দল ডেটার সমস্যা খতিয়ে দেখতে পেরেছে। মেশিন লার্নিং ইঞ্জিনিয়ার - Summitline Analytics (২০১৯ - ২০২২) - তিন বছরের বিক্রয় তথ্য দিয়ে scikit-learn-এ চাহিদার পূর্বাভাস মডেল প্রশিক্ষণ দিয়েছি; আগের মৌসুমি পূর্বাভাসের তুলনায় গড় পরম ত্রুটি ৯% কমেছে। - পাঁচটি গ্রাহক স্থাপনার জন্য পুনর্ব্যবহারযোগ্য Python ও SQL ফিচার পাইপলাইন তৈরি করেছি; মডেল হালনাগাদের প্রস্তুতি দুই দিন থেকে প্রায় এক দিনে নেমেছে।

শিক্ষা

কম্পিউটার বিজ্ঞানে স্নাতক - Juniper Ridge University (২০১৮)

দক্ষতা

  • Python
  • SQL
  • PyTorch
  • scikit-learn
  • ফিচার ইঞ্জিনিয়ারিং
  • মডেল মূল্যায়ন
  • Kubernetes
  • MLflow
  • Docker
  • A/B টেস্টিং

প্রযুক্তিগত সরঞ্জাম

• Python, SQL, PyTorch, scikit-learn • MLflow, Docker, Kubernetes • Apache Spark, Airflow

নির্বাচিত প্রকল্প

• বাক্যের এমবেডিং ও PyTorch দিয়ে পণ্য অনুসন্ধানের জন্য পুনরুদ্ধার ও পুনঃর‍্যাঙ্কিং প্রোটোটাইপ তৈরি করেছি • ৮,০০০টি লেবেলযুক্ত অনুসন্ধানে প্রাসঙ্গিকতা ও সাড়া দেওয়ার সময় তুলনা করেছি • মূল্যায়নের ফল ও স্থাপনার সুবিধা-অসুবিধা নথিভুক্ত করেছি

এই উদাহরণটি ব্যবহার করুন

এই মেশিন লার্নিং ইঞ্জিনিয়ার পদের নমুনা সিভি দিয়ে টুলটি খুলুন, তারপর নিজের তথ্য দিয়ে নমুনাটি বদলে নিন।

খালি সিভি দিয়ে শুরু করুন

প্রচলিত কীওয়ার্ড

এই পদের জন্য প্রায়ই তালিকাভুক্ত দক্ষতা ও টুল। আপনার যেগুলো জানা আছে, শুধু সেগুলোই চাকরির বিজ্ঞপ্তির ভাষায় ব্যবহার করুন। কপি করতে একটি কীওয়ার্ডে ক্লিক করুন।

কাজ বোঝায় এমন ক্রিয়া

তৈরি করাস্থাপন করাকমানোউন্নত করাস্বয়ংক্রিয় করামূল্যায়ন করাসমন্বয় করা

মেশিন লার্নিং ইঞ্জিনিয়ার পদের সিভি লেখার উপায়

মেট্রিকের বাইরেও মডেলের প্রভাব দেখান

প্রথমে পণ্য বা পরিচালনার ফলাফল বলুন, তারপর মডেল ও মূল্যায়ন পদ্ধতির নাম দিন। যেমন, র‍্যাঙ্কিংয়ের পরিবর্তন কীভাবে বিক্রয় রূপান্তর বা অনুসন্ধানের প্রাসঙ্গিকতা বদলেছে তা জানান এবং ফলটি অনলাইন পরীক্ষা নাকি অফলাইন মানদণ্ড থেকে এসেছে তা স্পষ্ট করুন। প্রয়োজন হলে আগের মান, কাজের পরিসর ও সময়কাল উল্লেখ করুন; প্রেক্ষাপট ছাড়া মেট্রিক বোঝা কঠিন।

প্রোডাকশনের দায়িত্ব স্পষ্ট করুন

মডেল প্রশিক্ষণের পর কোন কাজগুলোর দায়িত্ব আপনার ছিল তা বলুন: ফিচার পাইপলাইন, সেবা চালানো, পর্যবেক্ষণ, পুনঃপ্রশিক্ষণ, আগের সংস্করণে ফেরা বা জরুরি সমস্যা তদন্ত। কোথায় মডেল চালানো হয়েছে তা জানিয়ে p95 সাড়া দেওয়ার সময়, হালনাগাদের সময়, ক্লাউড খরচ বা অনুরোধের পরিমাণের মতো নির্দিষ্ট মাপ দিন। মডেল শুধু নোটবুক বা সীমিত পরীক্ষায় চললে একে প্রোডাকশনের জন্য প্রস্তুত বলে দেখাবেন না।

প্রাসঙ্গিক তথ্যসহ টুলের নাম দিন

সাক্ষাৎকারে আলোচনা করতে পারবেন এমন ভাষা, ফ্রেমওয়ার্ক, ক্লাউড সার্ভিস ও ডিপ্লয়মেন্ট টুলের তালিকা দিন, তারপর অভিজ্ঞতার বুলেটে কোথায় সেগুলো ব্যবহার করেছেন তা দেখান। কাজের সঙ্গে মেলে এমন বিজ্ঞপ্তির শব্দচয়ন ব্যবহার করুন। লাইব্রেরির দীর্ঘ তালিকা দেবেন না এবং উদ্দেশ্য না বুঝিয়ে চেষ্টা করা প্রতিটি মডেল আর্কিটেকচারের নামও দেবেন না।

অভিজ্ঞতার ঘাটতি পূরণে প্রকল্প যোগ করুন

চাকরির ইতিহাসে মডেল ডিপ্লয়মেন্টের কাজ কম থাকলে, রিপোজিটরি বা ডেমো লিংক, ডেটার উৎস, মূল্যায়ন পদ্ধতি এবং আপনার তৈরি করা বিষয়সহ এক বা দুটি প্রাসঙ্গিক প্রকল্প যোগ করুন। ডেটার সীমাবদ্ধতা ব্যাখ্যা করুন এবং গোপনীয় কোড, গ্রাহকের তথ্য বা পুনরায় যাচাই করা যায় না এমন দাবি শেয়ার করবেন না। প্রকল্পে নতুন প্রমাণ যোগ হওয়া উচিত, দক্ষতার তালিকার পুনরাবৃত্তি নয়।

সকল ডেটা সায়েন্স ও AI সিভির উদাহরণ

এই পদ সম্পর্কে প্রশ্ন

মেশিন লার্নিং ইঞ্জিনিয়ারের সিভি কত পৃষ্ঠার হওয়া উচিত?

প্রাসঙ্গিক কাজে কয়েক বছরের অভিজ্ঞতা থাকলে, প্রতিটি অংশে মডেল, ডেটা সিস্টেম বা প্রোডাকশনের দায়িত্ব সম্পর্কে মূল্যবান প্রমাণ থাকলে দুই পৃষ্ঠা হতে পারে। সবচেয়ে প্রাসঙ্গিক কাজ প্রথম পৃষ্ঠায় রাখুন এবং পদের সঙ্গে সম্পর্কহীন পুরোনো বিবরণ ছেঁটে ফেলুন। ফলাফল বোঝার জন্য যথেষ্ট প্রেক্ষাপট থাকলে, সংক্ষিপ্ত এক পৃষ্ঠার সিভিও কার্যকর হতে পারে।

পোর্টফোলিও বা GitHub লিংক কি যোগ করা উচিত?

পুনরুৎপাদনযোগ্য প্রকল্প, প্রযুক্তিগত লেখা বা প্রকাশ্য অবদানের মতো আপনার আবেদনকে শক্তিশালী করে এমন কাজ দেখালে লিংকটি যোগ করুন। যোগাযোগের তথ্যের পাশে বা প্রকল্প বিভাগে লিংক দিন এবং নিশ্চিত করুন রিপোজিটরিতে স্পষ্ট README আছে, কোনো গোপন তথ্য বা সীমাবদ্ধ ডেটা নেই। সিভিতে আপনার অবদান ব্যাখ্যা করার বদলে শুধু লিংকের ওপর নির্ভর করবেন না।

মেশিন লার্নিং ইঞ্জিনিয়ারের কোন সনদ উল্লেখ করা উচিত?

মেশিন লার্নিং ইঞ্জিনিয়ারদের জন্য যুক্তরাষ্ট্রে কোনো সাধারণ লাইসেন্স বা বাধ্যতামূলক সার্টিফিকেশন নেই। চাকরির সঙ্গে প্রাসঙ্গিক, বর্তমান এবং পরিচিত কোনো প্রতিষ্ঠানের দেওয়া সার্টিফিকেশন তালিকাভুক্ত করুন; যেমন কোনো ক্লাউড প্ল্যাটফর্মের ক্রেডেনশিয়াল। এর সঠিক নাম ও প্রদানকারীর নাম দিন। মেয়াদোত্তীর্ণ ক্রেডেনশিয়াল বা আপনার প্রমাণিত দক্ষতার বাইরে সামান্য যোগ করে এমন স্বল্পমেয়াদি কোর্সের সার্টিফিকেট বাদ দিন।

ডেটা সায়েন্স থেকে মেশিন লার্নিং ইঞ্জিনিয়ারিংয়ে যেতে পারি কি?

হ্যাঁ। মডেল তৈরির পাশাপাশি ইঞ্জিনিয়ারিংয়ের কাজের প্রমাণ তুলে ধরুন: নির্ভরযোগ্য ডেটা পাইপলাইন, পরীক্ষিত কোড, API বা ব্যাচ জব, ডিপ্লয়মেন্ট, মনিটরিং এবং পণ্য বা অবকাঠামো দলের সঙ্গে সহযোগিতা। আপনার ভূমিকা নির্দিষ্টভাবে বর্ণনা করুন এবং ব্যবহৃত টুল ও ফলাফল দেখান। এমন অভিজ্ঞতা কম থাকলে, ডেটা প্রস্তুতি থেকে মূল্যায়ন ও ডিপ্লয়মেন্ট পর্যন্ত পুরো প্রক্রিয়া দেখায় এমন একটি নির্দিষ্ট প্রকল্প যোগ করুন।