ডেটা সায়েন্স ও AI · মিড-সিনিয়র (৪+ বছর)

কম্পিউটার ভিশন ও NLP ইঞ্জিনিয়ার সিভি

এই নমুনায় দেখানো হয়েছে, কীভাবে ইমেজ পাইপলাইন থেকে টেক্সট শ্রেণিবিন্যাস পর্যন্ত কম্পিউটার ভিশন ও ভাষার মডেলকে পণ্যের পরিমাপযোগ্য উন্নতির সঙ্গে যুক্ত করা যায়। এই পদের জন্য একটি শক্তিশালী সিভিতে ডেটা, মডেল নির্বাচন, ডিপ্লয়মেন্টের কাজ এবং মূল্যায়নের ফলাফল ইঞ্জিনিয়ারিং ও অ্যাপ্লায়েড রিসার্চ - দুই দলের কাছেই স্পষ্ট হয়।

তানভীর আহমেদ

কম্পিউটার ভিশন ও NLP ইঞ্জিনিয়ার

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

সারাংশ

B2B লজিস্টিকস প্ল্যাটফর্মের জন্য প্রোডাকশন ML ফিচার তৈরিতে ৫ বছরের অভিজ্ঞতাসম্পন্ন কম্পিউটার ভিশন ও NLP ইঞ্জিনিয়ার। ইমেজ প্রিপ্রসেসিং, ট্রান্সফরমার ফাইন-টিউনিং এবং মডেল মূল্যায়নে দক্ষ; ডকুমেন্ট থেকে তথ্য বের করা এবং প্যাকেজের ক্ষতি পর্যালোচনার কাজ উন্নত করার অভিজ্ঞতা রয়েছে। PyTorch সার্ভিস ডিপ্লয় এবং রিলিজের পর মডেলের মান পর্যবেক্ষণে অভিজ্ঞ।

কর্ম-অভিজ্ঞতা

কম্পিউটার ভিশন ও এনএলপি প্রকৌশলী - Pineglass Parcel Technologies (২০২৩ - বর্তমান) - ওয়্যারহাউসের ছবির জন্য একটি PyTorch এবং OpenCV ড্যামেজ-ডিটেকশন পাইপলাইন তৈরি করেছেন, যা প্রতিদিন প্রায় ১,২০০ ছবি প্রসেস করে এবং ম্যানুয়াল রিভিউয়ের পরিমাণ ১৮% কমিয়ে দেয়। - শিপিং-ডকুমেন্ট এক্সট্রাকশনের জন্য একটি Hugging Face টোকেন-ক্লাসিফিকেশন মডেল ফাইন-টিউন করেছেন, যা একটি হেল্ড-আউট ইভ্যালুয়েশন সেটে ফিল্ড-লেভেল F1 ০.৮৬ থেকে বাড়িয়ে ০.৯১ করেছে। - Docker এবং Kubernetes দিয়ে সংস্করণযুক্ত ইনফারেন্স সার্ভিস স্থাপন করেছেন, যার ফলে প্রতি ছবির মাঝারি প্রসেসিং সময় ১.৮ সেকেন্ড থেকে কমে ১.২ সেকেন্ড হয়েছে। মেশিন লার্নিং প্রকৌশলী - Ridgeway Applied Language Labs (২০২১ - ২০২৩) - Tesseract এবং BERT ব্যবহার করে ইনভয়েসের জন্য OCR এবং নেমড এনটিটি রিকগনিশন ওয়ার্কফ্লো তৈরি করেছেন, যা দুটি কাস্টমার টিমের গড় এক্সেপশন ট্রায়াজ সময় ২২% কমিয়ে দিয়েছে। - একটি ১৪,০০০-ছবির লেবেলযুক্ত ডেটাসেটে YOLO অবজেক্ট-ডিটেকশন মডেল মূল্যায়ন করেছেন, ক্যামেরা ও আলোর ঘাটতিগুলো চিহ্নিত করেছেন যা রিকল ৭ শতাংশ পয়েন্ট উন্নত করেছে।

শিক্ষা

কম্পিউটার বিজ্ঞানে স্নাতক - Aspen Vale Institute of Computing (২০২১)

দক্ষতা

  • কম্পিউটার ভিশন
  • প্রাকৃতিক ভাষা প্রক্রিয়াকরণ
  • PyTorch
  • OpenCV
  • Hugging Face Transformers
  • অবজেক্ট ডিটেকশন
  • OCR
  • নেমড এন্টিটি রিকগনিশন
  • মডেল মূল্যায়ন
  • Docker
  • Kubernetes

নির্বাচিত প্রকল্প

• প্যাকেজের ক্ষতি শনাক্তকরণ: YOLO মডেলের বিভিন্ন সংস্করণ তুলনা করেছি এবং ক্ষতির ধরন অনুযায়ী রিকল নথিভুক্ত করেছি। • শিপিং ডকুমেন্ট থেকে তথ্য বের করা: বিভিন্ন ধরনের স্ক্যানের OCR ও এন্টিটি এক্সট্রাকশনের জন্য মূল্যায়ন সেট তৈরি করেছি।

টুল

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

এই উদাহরণটি ব্যবহার করুন

এই কম্পিউটার ভিশন ও NLP 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 করেছিপ্রশিক্ষণ দিয়েছিডিপ্লয় করেছিকমিয়েছিউন্নত করেছিস্বয়ংক্রিয় করেছিমূল্যায়ন করেছি

কম্পিউটার ভিশন ও NLP ইঞ্জিনিয়ার পদের সিভি লেখার উপায়

রিলিজ করা মডেলের কাজ দিয়ে শুরু করুন

আপনার বর্তমান পদ ও প্রোডাকশনে করা সবচেয়ে উল্লেখযোগ্য কাজটি শুরুতে রাখুন। মডেলটি কী কাজ করেছে, ডেটার পরিমাণ বা ব্যবহারের পরিবেশ কেমন ছিল এবং রিলিজের পর কী বদলেছে - যেমন পর্যালোচনার পরিমাণ, লেটেন্সি বা তথ্য নিষ্কাশনের মান - তা জানান। প্রোটোটাইপকে গ্রাহক বা পরিচালনায় ব্যবহৃত ফিচার থেকে আলাদা করে দেখান; নিয়োগকারী দল জানতে চায়, আপনি নোটবুকের বাইরেও মডেল রক্ষণাবেক্ষণ করেছেন কি না।

মডেলের মূল্যায়ন কীভাবে করেছেন তা দেখান

মূল্যায়নের পদ্ধতি এবং কাজের উপযোগী মেট্রিক উল্লেখ করুন: ডিটেকশনের জন্য প্রিসিশন ও রিকল, তথ্য নিষ্কাশনের জন্য F1, অথবা ইনফারেন্স সার্ভিসের জন্য লেটেন্সি। সম্ভব হলে ডেটাসেটের আকার বা উৎস জানান এবং ফলাফল আলাদা করে রাখা ডেটাসেট থেকে এসেছে, নাকি প্রোডাকশনে পর্যবেক্ষণ করে পাওয়া - তা ব্যাখ্যা করুন। কী মেপেছেন তা না জানিয়ে মডেল নির্ভুল - এমন অসমর্থিত দাবি করবেন না।

আপনার টেক স্ট্যাক নির্দিষ্ট করে লিখুন

আপনি হাতে-কলমে ব্যবহার করেছেন এমন ফ্রেমওয়ার্ক, মডেল পরিবার এবং ডিপ্লয়মেন্ট টুলের নাম লিখুন - যেমন PyTorch, OpenCV, Hugging Face Transformers, Docker বা Kubernetes। চেষ্টা করেছেন এমন সব প্যাকেজের তালিকা না দিয়ে, প্রতিটি টুলকে কোনো প্রকল্প বা অর্জনের সঙ্গে যুক্ত করুন। ক্লাউড প্ল্যাটফর্ম বা ভেক্টর ডেটাবেস কেবল আপনার প্রকৃত কাজের অংশ হলে এবং চাকরির বিজ্ঞপ্তির সঙ্গে প্রাসঙ্গিক হলে উল্লেখ করুন।

প্রাসঙ্গিক পোর্টফোলিওর লিংক দিন

একটি সংক্ষিপ্ত পোর্টফোলিওতে পুনরুৎপাদনযোগ্য ভিশন বা NLP প্রকল্প, মূল্যায়নের পদ্ধতি এবং বিভিন্ন সমঝোতার স্পষ্ট ব্যাখ্যা দেখানো যায়। যে কোড বা ডেমো ভাগ করে নেওয়ার অনুমতি আপনার আছে, তার লিংক দিন; গ্রাহকের ডেটা, ক্রেডেনশিয়াল এবং মালিকানাধীন মডেলের বিবরণ সরিয়ে দিন। একাডেমিক পেপার, টিউটোরিয়াল ও ব্যক্তিগত প্রকল্পকে প্রোডাকশনের কাজ থেকে আলাদা রাখুন, যাতে পাঠক দ্রুত বুঝতে পারেন কোন কাজে আপনার কতটা দায়িত্ব ছিল।

সকল ডেটা সায়েন্স ও AI সিভির উদাহরণ

এই পদ সম্পর্কে প্রশ্ন

কম্পিউটার ভিশন ও NLP ইঞ্জিনিয়ার সিভি কত দীর্ঘ হওয়া উচিত?

প্রায় পাঁচ বছরের অভিজ্ঞতা থাকলে, দ্বিতীয় পাতায় প্রাসঙ্গিক প্রকল্প বা প্রযুক্তিগত বিবরণ থাকলে দুই পৃষ্ঠা সাধারণত যথাযথ। প্রোডাকশনের সবচেয়ে গুরুত্বপূর্ণ কাজ, মডেল মূল্যায়ন এবং ডিপ্লয়মেন্টের ফলাফল প্রথম পাতায় রাখুন। প্রাথমিক পর্যায়ের কোর্সওয়ার্ক ও অপ্রাসঙ্গিক চাকরির অভিজ্ঞতা সাধারণত সংক্ষিপ্ত করা বা বাদ দেওয়া যায়, যদি না সেগুলো সরাসরি প্রাসঙ্গিক দক্ষতা দেখায়।

পোর্টফোলিও বা GitHub-এর লিংক দেওয়া কি উচিত?

পুনরুৎপাদনযোগ্য প্রকল্প, মূল্যায়নের নোটবুক বা প্রযুক্তিগত লেখা - এমন প্রকাশ্য ও সহজে পর্যালোচনা করা যায় এমন প্রাসঙ্গিক কাজ দেখালে লিংক দিন। কাজের উদ্দেশ্য, ডেটার উৎস, মেট্রিক এবং আপনার অবদান ব্যাখ্যা করুন। গ্রাহকের ডেটা, নিয়োগকর্তার কোড বা গোপনীয়তা চুক্তির আওতায় থাকা উপকরণ আপলোড করবেন না; সে ধরনের কাজের নিরাপদ উপায় হলো সংবেদনশীল তথ্য বাদ দিয়ে বর্ণনা করা।

এই পদের জন্য কোন সার্টিফিকেশন তালিকাভুক্ত করব?

যুক্তরাষ্ট্রে কম্পিউটার ভিশন ও NLP ইঞ্জিনিয়ার পদের জন্য সাধারণত কোনো সর্বজনীন পেশাগত লাইসেন্স বা সার্টিফিকেশন লাগে না। প্রাসঙ্গিক ক্লাউড বা মেশিন লার্নিং সার্টিফিকেশন কেবল অর্জন করে থাকলে তালিকাভুক্ত করুন; প্রয়োজনে প্রদানকারী প্রতিষ্ঠান ও তারিখ লিখুন এবং উল্লেখযোগ্য প্রকল্পের অভিজ্ঞতার পরে রাখুন। কোর্স সম্পন্ন করাকে পেশাগত সার্টিফিকেশন হিসেবে দেখাবেন না।

ডেটা সায়েন্স বা সফটওয়্যার ইঞ্জিনিয়ারিং থেকে কি এই পেশায় আসতে পারি?

হ্যাঁ। এমন প্রকল্প তুলে ধরুন, যা দেখায় যে আপনি ভিশন বা ভাষার মডেল তৈরি ও মূল্যায়ন করতে পারেন, বাস্তব ডেটা সামলাতে পারেন এবং কোনো অ্যাপ্লিকেশনে ইনফারেন্স যুক্ত করতে পারেন। ডেটা সায়েন্সের অভিজ্ঞতা থাকলে ডিপ্লয়মেন্ট ও পর্যবেক্ষণের উদাহরণ যোগ করুন; সফটওয়্যার ইঞ্জিনিয়ারিংয়ের অভিজ্ঞতা থাকলে মডেল প্রশিক্ষণ, কাজ-উপযোগী মেট্রিক এবং ডেটাসেট ব্যবস্থাপনার কাজ দেখান। ব্যক্তিগত বা একাডেমিক প্রকল্প স্পষ্টভাবে চিহ্নিত করুন এবং তাতে আপনার নিজস্ব অবদান বর্ণনা করুন।