Aloita tuotantoon viedyistä malleista
Sijoita nykyhetki tehtäväsi ja vahvin tuotantotyösi alkuun. Kerro, mitä malli käsitteli, kuinka paljon dataa oli tai millaisessa käyttöympäristössä sitä käytettiin sekä mitä julkaisun jälkeen muuttui, esimerkiksi tarkastusten määrässä, viiveessä tai poiminnan laadussa. Erota prototyypit asiakkaiden tai operatiivisen toiminnan käytössä olevista ominaisuuksista. Rekrytoijien on tärkeää nähdä, oletko tukenut malleja myös muistikirjan ulkopuolella.
Kerro, miten arvioit malleja
Mainitse arviointimenetelmä ja tehtävään sopiva mittari: tunnistuksessa tarkkuus ja saanti, poiminnassa F1 tai päättelypalvelussa viive. Kerro aineiston koko tai lähde, jos voit, ja selitä, perustuivatko tulokset erilliseen testiaineistoon vai tuotannon seurantaan. Älä väitä mallia tarkaksi kertomatta, mitä mittasit.
Kuvaa teknologiapinosi täsmällisesti
Listaa kehykset, malliperheet ja käyttöönoton työkalut, joita olet itse käyttänyt, kuten PyTorch, Openansioluettelo, Hugging Face Transformers, Docker tai Kubernetes. Yhdistä kukin työkalu projektiin tai saavutukseen sen sijaan, että luettelisit kaikki kokeilemasi paketit. Mainitse pilvialustat tai vektoritietokannat vain, jos olet käyttänyt niitä työssäsi ja ne ovat tehtävän kannalta olennaisia.
Linkitä rajattu työnäytekansio
Tiivis työnäytekansio voi esitellä toistettavissa olevan tietokonenäkö- tai NLP-projektin, arviointitavan ja selityksen tehdyistä kompromisseista. Linkitä koodiin tai demoon, jonka jakamiseen sinulla on lupa, ja poista asiakastiedot, tunnistetiedot ja omistusoikeuden alaiset mallien yksityiskohdat. Pidä tutkimusjulkaisut, opetusmateriaalit ja sivuprojektit erillään tuotantotyöstä, jotta lukija näkee nopeasti vastuualueesi.