מדעי הנתונים ובינה מלאכותית · בכיר (6+ שנים)

קורות חיים למהנדס למידת מכונה

הדוגמה מציגה מהנדס שמשפר מודלי דירוג וחיזוי, משלב הניסויים ועד לשחרור גרסאות מנוטרות לסביבת הייצור. קורות חיים חזקים מקשרים בין בחירת המודלים, העבודה עם נתונים וההטמעה לבין שינויים מדידים בזמן התגובה, ברלוונטיות, בעלות או בתהליכי העבודה העסקיים, ומבהירים באילו כלים נעשה שימוש ובאיזה היקף.

נועה כהן

מהנדס למידת מכונה

  • noa.cohen@example.com
  • +972 3 123 4567
  • תל אביב

תקציר

מהנדס למידת מכונה עם 7 שנות ניסיון בבניית מערכות דירוג וחיזוי למוצרי מסחר B2B. בעל ניסיון בפיתוח מודלים ב־Python וב־PyTorch, בתכנון צינורות מאפיינים ובהטמעות באמצעות Kubernetes, לצד הערכה קפדנית במצב לא מקוון ובסביבה מקוונת; השיק שירותים המעבדים 2 מיליון בקשות המלצה ביום.

ניסיון

מהנדס/ת למידת מכונה II ב-Cedarpath Commerce (2022 - הווה) - בניית מודל דירוג ב-PyTorch באמצעות מאפייני סשן וקטלוג, שהגדיל את שיעור ההוספה לעגלה ב-6% בניסוי מבוקר על פני 1.2 מיליון סשנים. - פריסת שירותי המלצות ב-Kubernetes והוספת חישוב ציונים באצווה (batch scoring) עם מעקב ב-MLflow, מה שהפחית את זמן תגובת p95 מ-180 אלפיות השנייה ל-125 אלפיות השנייה. - אוטומציה של אימות מאפיינים והתרעות על סחף עבור 14 מאפיינים בסביבת הייצור, שסייעה לצוות לחקור בעיות נתונים לפני שחרורי מודל שבועיים. מהנדס/ת למידת מכונה ב-Summitline Analytics (2019 - 2022) - אימון מודלים לחיזוי ביקוש ב-scikit-learn על נתוני מכירות של שלוש שנים, שהפחיתו את השגיאה המוחלטת הממוצעת ב-9% לעומת קו הבסיס העונתי הקיים. - בניית צינורות נתונים (pipelines) לשימוש חוזר ב-Python וב-SQL עבור חמש פריסות אצל לקוחות, מה שקיצר את ההכנה לרענון המודל מיומיים לכיום אחד בקירוב.

השכלה

תואר ראשון במדעי המחשב - Juniper Ridge University (2018)

מיומנויות

  • Python
  • SQL
  • PyTorch
  • scikit-learn
  • הנדסת מאפיינים
  • הערכת מודלים
  • Kubernetes
  • MLflow
  • Docker
  • בדיקות A/B

כלים

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

פרויקט נבחר

• פיתח אבטיפוס לאחזור ולדירוג מחדש עבור חיפוש מוצרים, באמצעות הטמעות משפטים ו־PyTorch • השווה רלוונטיות וזמן תגובה על מערך מתויג של 8,000 שאילתות • תיעד את תוצאות ההערכה ואת הפשרות הכרוכות בהטמעה

השתמשו בדוגמה זו

פתחו את בונה קורות החיים עם קורות חיים אלו לתפקיד מהנדס למידת מכונה, ולאחר מכן החליפו את הדוגמה בפרטים שלכם.

מילות מפתח נפוצות

מיומנויות וכלים שמופיעים לעיתים קרובות בתפקיד הזה. השתמשו רק במה שאתם יודעים לעשות, ובניסוח שמופיע במודעת הדרושים. לחצו על מילה כדי להעתיק אותה.

פעלים לתיאור עשייה

בנההטמיעצמצםשיפרהפך לאוטומטיהעריךייעל

איך לכתוב קורות חיים לתפקיד מהנדס למידת מכונה

הציגו את השפעת המודל מעבר למדדים

פתחו בתוצאה למוצר או לתפעול, ואז ציינו את המודל ואת שיטת ההערכה. לדוגמה, קשרו שינוי בדירוג להמרה או לרלוונטיות החיפוש וציינו אם התוצאה התקבלה בבדיקה מקוונת או במדד השוואה לא מקוון. כשזה מועיל, כללו את קו הבסיס, ההיקף ותקופת הזמן; קשה לפרש מדד בלי הקשר.

הבהירו את האחריות על סביבת הייצור

תארו על מה הייתם אחראים לאחר האימון: צינורות מאפיינים, הגשה, ניטור, אימון מחדש, חזרה לגרסה קודמת או בירור תקלות בכוננות. ציינו את סביבת ההטמעה והביאו מדד קונקרטי, כגון זמן תגובה p95, זמן רענון, הוצאות ענן או נפח בקשות. הימנעו מהצגת מודל כמוכן לסביבת הייצור אם הוא פעל רק במחברת או בפיילוט מוגבל.

ציינו כלים עם הקשר מועיל

ציינו שפות, מסגרות עבודה, שירותי ענן וכלי הטמעה שאפשר לדון בהם בריאיון, ואז הראו בסעיפי הניסיון היכן נעשה בהם שימוש. השתמשו בניסוח של מודעת הדרושים כשהוא מתאר במדויק את העבודה. ותרו על רשימות ארוכות של ספריות והימנעו מלציין כל ארכיטקטורת מודל שנוסתה בלי להסביר לשם מה.

השתמשו בפרויקטים כדי להשלים פערים בראיות לניסיון

אם ההיסטוריה התעסוקתית כוללת מעט עבודה על הטמעת מודלים, הוסיפו פרויקט אחד או שניים רלוונטיים עם קישור למאגר או להדגמה, מקור הנתונים, גישת ההערכה ותיאור של מה שנבנה. הסבירו את מגבלות הנתונים והימנעו משיתוף קוד חסוי, פרטי לקוחות או טענות שאי אפשר לשחזר. פרויקט צריך להוסיף ראיות לניסיון, לא לחזור על רשימת הכישורים.

כל הדוגמאות לקורות חיים בתחום מדעי הנתונים ובינה מלאכותית

שאלות על התפקיד הזה

מה צריך להיות האורך של קורות חיים למהנדס למידת מכונה?

כשיש כמה שנות ניסיון רלוונטי, שני עמודים יכולים להתאים אם כל סעיף מוסיף מידע מועיל על מודלים, מערכות נתונים או אחריות על סביבת הייצור. הציגו את הניסיון הרלוונטי ביותר בעמוד הראשון וקצרו פרטים ישנים שאינם תומכים בהתאמה לתפקיד. גם קורות חיים ממוקדים בעמוד אחד יכולים להיות יעילים, כל עוד הם קריאים וכוללים הקשר מספק לתוצאות.

האם כדאי לכלול קישור לתיק עבודות או ל־GitHub?

כדאי לכלול קישור אם הוא מציג עבודה שמחזקת את המועמדות, כמו פרויקט שאפשר לשחזר, מסמך טכני או תרומה ציבורית. הציבו את הקישור ליד פרטי הקשר או בחלק הפרויקטים, וודאו שיש במאגר קובץ README ברור ושאין בו סודות או נתונים מוגבלים. אל תסתמכו על הקישור במקום להסביר את התרומה בקורות החיים.

אילו הסמכות כדאי למהנדס למידת מכונה לציין?

אין רישיון כללי או הסמכה נדרשת למהנדסי למידת מכונה בארצות הברית. ציינו הסמכה כשהיא רלוונטית לתפקיד, בתוקף והונפקה על ידי גורם מוכר, כגון הסמכה של פלטפורמת ענן. ציינו את שמה המדויק ואת הגוף המנפיק; השמיטו הסמכות שפג תוקפן או אישורי קורסים קצרים שמוסיפים מעט מעבר לכישורים שכבר הוכחו.

האם אפשר לעבור להנדסת למידת מכונה ממדעי הנתונים?

כן. הדגישו ראיות לעבודה הנדסית לצד פיתוח מודלים: צינורות נתונים אמינים, קוד שנבדק, ממשקי API או משימות באצווה, הטמעה, ניטור ושיתוף פעולה עם צוותי מוצר או תשתיות. תארו במדויק את התפקיד והציגו את הכלים ואת התוצאות. אם הניסיון הזה מוגבל, הוסיפו פרויקט ממוקד שמדגים תהליך מלא, מהכנת הנתונים ועד להערכה ולהטמעה.