Andmeteadus ja tehisintellekt · Kesktase kuni vanemspetsialist (4+ a)

Arvutinägemise ja NLP inseneri CV

See näidis selgitab, kuidas siduda arvutinägemine ja keelemudelid mõõdetava tootearendusega alates pilditöötluse töövoogudest kuni teksti klassifitseerimiseni. Selle rolli tugev CV kirjeldab selgelt andmeid, mudelivalikuid, juurutustööd ja hindamistulemusi nii inseneri- kui ka rakendusuuringute meeskondadele.

CV kontroll

Mida värbajad ja jälgimissüsteemid otsivad. See on juhis, mitte ennustus.

100 / 100Täielik

100%
  • Kontaktandmed20 / 20
  • Kokkuvõte20 / 20
  • Töökogemus30 / 30
  • Oskused20 / 20
  • Haridus10 / 10

Kontaktandmed

Paiguta need CV algusesse, sest värbajad ja jälgimissüsteemid otsivad neid esimesena.

Valikuline. USA-s, Ühendkuningriigis ja Kanadas ei lisata CV-le tavaliselt fotot.

47 sõna

Kirjuta iga töö eraldi lõiku; alusta iga saavutust uuelt realt märgiga „-”.

11 oskust

Eralda oskused komadega, näiteks Excel, SQL, projektiplaneerimine.

Lisajaotised

Projektid, sertifikaadid, keeled või muu, mis toetab sinu kandideerimist.

Valitud projektid
Tööriistad

Alex Morgan

Arvutinägemise ja NLP insener

  • alex.morgan@example.com
  • +1 555 0100
  • Denver, CO

Kokkuvõte

Arvutinägemise ja NLP insener, kellel on 5 aastat kogemust tootmiskeskkonna ML-funktsioonide loomisel B2B logistikaplatvormile. Minu tugevused on piltide eeltöötlus, transformer-mudelite peenhäälestus ja mudelite hindamine. Olen parandanud dokumentidelt andmete eraldamist ja pakikahjustuste ülevaatuse töövooge. Mul on kogemus PyTorch-teenuste juurutamise ja mudelite kvaliteedi jälgimisega pärast väljalaset.

Töökogemus

Arvutinägemise ja NLP insener ettevõttes Pineglass Parcel Technologies, Denver, CO (2023 – praeguseni) - Lõin PyTorchi ja OpenCV abil laofotode kahjustuste tuvastamise töövoo, mis töötles umbes 1200 pilti päevas ja vähendas käsitsi ülevaatamist 18%. - Peenhäälestasin Hugging Face'i tokenite klassifitseerimise mudeli tarne dokumentidelt andmete eraldamiseks. F1-skoor välja tasemel tõusis eraldi hindamiskogumis 0,86-lt 0,91-ni. - Juurutasin Dockerit ja Kubernetesit kasutades versioonitud järeldusteenused ning vähendasin pildi töötlemise mediaanaega 1,8 sekundilt 1,2 sekundini pildi kohta. Masinõppe insener ettevõttes Ridgeway Applied Language Labs, Boulder, CO (2021 – 2023) - Arendasin Tesseracti ja BERTi abil arvete OCR-i ja nimega üksuste tuvastamise töövooge ning lühendasin kahe kliendimeeskonna erandjuhtumite lahendamise keskmist aega 22%. - Hindasin YOLO objektituvastusmudeleid 14 000 märgendatud pildiga andmestikul ning tuvastasin kaamerate ja valgustuse puudujäägid, mille kõrvaldamine parandas saagist 7 protsendipunkti.

Haridus

Arvutiteaduse bakalaureusekraad — Aspen Vale Institute of Computing, Fort Collins, CO (2021)

Oskused

  • Arvutinägemine
  • loomuliku keele töötlus
  • PyTorch
  • OpenCV
  • Hugging Face Transformers
  • objektide tuvastamine
  • OCR
  • nimega üksuste tuvastamine
  • mudelite hindamine
  • Docker
  • Kubernetes

Valitud projektid

• Pakikahjustuste tuvastamine: võrdlesin YOLO mudelivariante ja dokumenteerisin saagise kahjustuse tüübi järgi. • Tarne dokumentidelt andmete eraldamine: koostasin OCR-i ja üksuste eraldamise hindamiskogumi eri tüüpi skannitud dokumentidest.

Tööriistad

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

Kuidas koostada Arvutinägemise ja NLP insener CV

Alusta tootmiskeskkonda jõudnud mudelitööst

Paiguta oma praegune roll ja kõige tugevam tootmiskeskkonna töökogemus CV algusse. Selgita, mida mudel töötles, millises mahus või keskkonnas seda kasutati ning mis pärast väljalaset muutus, näiteks ülevaatuste arv, viivitus või andmete eraldamise kvaliteet. Erista prototüübid klientide või tööprotsesside kasutatavatest funktsioonidest; värbajad tahavad teada, kas oled toetanud mudelit ka väljaspool märkmikukeskkonda.

Selgita, kuidas mudeleid hindasid

Nimeta hindamismeetod ja ülesandele sobiv mõõdik: tuvastamisel täpsus ja saagis, andmete eraldamisel F1 või järeldusteenuse puhul viivitus. Võimalusel märgi andmestiku suurus või allikas ning selgita, kas tulemused pärinesid eraldi hindamiskogumist või tootmiskeskkonna seirest. Ära väida põhjendamata, et mudel on täpne, kui sa ei ütle, mida mõõtsid.

Kirjelda oma tehnoloogiaid täpselt

Loetle raamistikud, mudelipered ja juurutustööriistad, mida oled ise kasutanud, näiteks PyTorch, OpenCV, Hugging Face Transformers, Docker või Kubernetes. Seo iga tööriist projekti või saavutusega, selle asemel et loetleda kõiki proovitud pakette. Nimeta pilveplatvorme või vektorandmebaase ainult siis, kui need kuulusid sinu tegeliku töö juurde ja on töökuulutuse jaoks asjakohased.

Lisa asjakohane portfoolio link

Lühike portfoolio võib näidata korratavat arvutinägemise või NLP projekti, hindamismeetodit ja selget selgitust tehtud kompromisside kohta. Lisa link koodile või demole, mida sul on lubatud jagada, ning eemalda kliendiandmed, ligipääsuandmed ja varalise mudeli üksikasjad. Hoia akadeemilised tööd, õpetused ja kõrvalprojektid tootmistööst eraldi, et lugeja mõistaks kiiresti, milline oli sinu vastutus.

Levinud märksõnad

Oskused ja tööriistad, mida selle ameti puhul sageli loetletakse. Kasuta ainult neid, mis sul olemas on, ja sõnasta need töökuulutuse järgi. Klõpsa märksõnal, et see kopeerida.

Tegevust väljendavad tegusõnad

LõinTreenasinJuurutasinVähendasinParandasinAutomatiseerisinHindasin

Küsimused selle ameti kohta

Kui pikk peaks arvutinägemise ja NLP inseneri CV olema?

Umbes viieaastase kogemuse korral on kaks lehekülge tavaliselt sobiv, kui teine lehekülg sisaldab asjakohaseid projekti- või tehnilisi üksikasju. Hoia kõige tugevam tootmiskeskkonna töö, mudelite hindamine ja juurutustulemused esimesel leheküljel. Varased kursused ja mitteseotud töökohad võib tavaliselt lühemalt esitada või välja jätta, välja arvatud juhul, kui need näitavad otseselt asjakohaseid oskusi.

Kas peaksin lisama portfoolio või GitHubi lingi?

Lisa link, kui see näitab asjakohast avalikku ja hõlpsasti üle vaadatavat tööd, näiteks korratavat projekti, hindamismärkmikku või tehnilist ülevaadet. Selgita ülesannet, andmete allikat, mõõdikuid ja enda panust. Ära laadi üles kliendiandmeid, tööandja koodi ega konfidentsiaalsuslepinguga kaitstud materjali; sellise töö puhul on turvalisem seda kirjeldada andmeid eemaldades.

Milliseid sertifikaate peaksin selle rolli puhul loetlema?

Ameerika Ühendriikides ei nõua arvutinägemise ja NLP inseneri rollid üldjuhul ühtset kutselitsentsi ega sertifikaati. Loetle asjakohane pilve- või masinõppesertifikaat ainult siis, kui oled selle omandanud; lisa väljaandja ja kuupäev, kui need on kasulikud, ning paiguta sertifikaat mahuka projektikogemuse järele. Ära esita kursuse läbimist kutsetunnistusena.

Kas saan sellele rollile üle minna andmeteadusest või tarkvaraarendusest?

Jah. Rõhuta projekte, mis näitavad, et oskad luua ja hinnata arvutinägemise või keelemudeleid, töödelda tegelikke andmeid ning rakendusse järeldusi integreerida. Andmeteaduse tausta korral lisa näiteid juurutamisest ja seirest; tarkvaraarenduse tausta korral näita mudeli treenimist, ülesandele sobivaid mõõdikuid ja andmestike haldamist. Märgi isiklikud või akadeemilised projektid selgelt ning kirjelda oma panust.