Modellwirkung über Kennzahlen hinaus zeigen
Beginnen Sie mit dem Ergebnis für das Produkt oder den Betrieb und nennen Sie anschließend das Modell und die Evaluierungsmethode. Verknüpfen Sie eine Rankingänderung zum Beispiel mit der Conversion oder Suchrelevanz und geben Sie an, ob das Ergebnis aus einem Online-Test oder einem Offline-Benchmark stammt. Nennen Sie bei Bedarf Basiswert, Umfang und Zeitraum; ohne Kontext ist eine Kennzahl schwer einzuordnen.
Verantwortung für den Produktivbetrieb deutlich machen
Beschreiben Sie, wofür Sie nach dem Training verantwortlich waren: Feature-Pipelines, Serving, Monitoring, Retraining, Rollback oder Untersuchungen im Bereitschaftsdienst. Nennen Sie die Deployment-Umgebung und eine konkrete Kennzahl, etwa p95-Latenz, Aktualisierungszeit, Cloud-Ausgaben oder Anfragevolumen. Erwecken Sie nicht den Eindruck, ein Modell sei produktionsreif gewesen, wenn es nur in einem Notebook oder einem begrenzten Pilotprojekt lief.
Tools mit relevantem Kontext nennen
Führen Sie Sprachen, Frameworks, Cloud-Dienste und Deployment-Tools auf, über die Sie im Vorstellungsgespräch sprechen können, und zeigen Sie in den Erfahrungsbeschreibungen, wo Sie sie eingesetzt haben. Übernehmen Sie die Formulierungen aus der Stellenanzeige, wenn sie Ihre Arbeit korrekt beschreiben. Verzichten Sie auf lange Bibliothekslisten und darauf, jede getestete Modellarchitektur ohne Erklärung ihres Zwecks aufzuführen.
Mit Projekten fehlende Belege ergänzen
Wenn Sie in Ihrer bisherigen Arbeit nur wenig Erfahrung mit dem Deployment von Modellen gesammelt haben, nehmen Sie ein oder zwei passende Projekte mit Repository- oder Demo-Link, Datenquelle, Evaluierungsansatz und einer Beschreibung Ihrer Arbeit auf. Erläutern Sie die Grenzen der Daten und geben Sie weder vertraulichen Code noch Kundendaten oder nicht reproduzierbare Behauptungen preis. Ein Projekt soll zusätzliche Belege liefern, nicht die Liste Ihrer Kompetenzen wiederholen.