डेटा साइंस और AI · वरिष्ठ (6+ वर्ष)

AI रिसर्च विशेषज्ञ का रिज़्यूमे

यह नमूना दिखाता है कि AI शोधकर्ता प्रयोग के तरीकों, मॉडल मूल्यांकन और प्रकाशित काम को मापने योग्य शोध नतीजों से कैसे जोड़ सकता है। इस भूमिका के प्रभावी रिज़्यूमे में आपका व्यक्तिगत योगदान स्पष्ट होना चाहिए और इतना तकनीकी विवरण होना चाहिए कि टीमें आपके काम का आकलन कर सकें।

राहुल शर्मा

AI रिसर्च विशेषज्ञ

  • rahul.sharma@example.com
  • +91 9876 123456
  • नई दिल्ली

सारांश

एप्लाइड मशीन लर्निंग रिसर्च लैब में 8 साल का अनुभव रखने वाले AI शोधकर्ता, जो ट्रांसफ़ॉर्मर मॉडल और रीइन्फ़ोर्समेंट लर्निंग के तरीके विकसित करते हैं। प्रयोग डिज़ाइन, मॉडल मूल्यांकन और दोहराए जा सकने वाले ट्रेनिंग वर्कफ़्लो में कुशल; कंप्यूटर साइंस में PhD और सहकर्मी-समीक्षित शोध प्रकाशन।

अनुभव

वरिष्ठ अनुसंधान वैज्ञानिक, Cedar Peak Intelligence (2021 - वर्तमान) - बहु-चरण भाषा कार्यों के लिए एक सुदृढीकरण शिक्षण (reinforcement learning) दृष्टिकोण डिज़ाइन किया और एक आंतरिक मूल्यांकन सुइट पर पूर्णता दरों में 4 प्रतिशत अंकों का सुधार किया। - 12 मॉडल वेरिएंट के लिए एक PyTorch मूल्यांकन पाइपलाइन बनाई, जिससे प्रयोग समीक्षा का समय 5 दिन से घटकर 3 दिन रह गया। - प्रयोगात्मक डिज़ाइन और पुनरुत्पादक वर्कफ़्लो में 2 अनुसंधान सहयोगियों को सलाह दी; 3 सहयोगात्मक पत्रों में प्रयोगों का योगदान दिया। अनुसंधान वैज्ञानिक, Alpine Signal Labs (2018 - 2021) - वितरित PyTorch जॉब्स के साथ दस्तावेज़ की समझ के लिए ट्रांसफॉर्मर मॉडल को प्रशिक्षित किया, जिससे एक हेल्ड-आउट डेटासेट पर सत्यापन त्रुटि में 9% की कमी आई। - 6 मॉडल कॉन्फ़िगरेशन में एब्लेशन स्टडीज़ (ablation studies) बनाईं, जिससे एक सरल आर्किटेक्चर की पहचान हुई जिसने ट्रेनिंग कंप्यूट को 15% तक कम कर दिया।

शिक्षा

कंप्यूटर साइंस में पीएचडी - Summit Plains University (2018)

कौशल

  • डीप लर्निंग
  • ट्रांसफ़ॉर्मर मॉडल
  • रीइन्फ़ोर्समेंट लर्निंग
  • नेचुरल लैंग्वेज प्रोसेसिंग
  • PyTorch
  • JAX
  • LLM मूल्यांकन
  • प्रयोग डिज़ाइन
  • डिस्ट्रिब्यूटेड ट्रेनिंग
  • सांख्यिकीय विश्लेषण

चुनिंदा प्रकाशन

• “लंबे दस्तावेज़ों से जुड़े कार्यों के लिए कुशल अनुकूलन,” NeurIPS (2024) • “सीमित फ़ीडबैक के तहत प्राथमिकता ऑप्टिमाइज़ेशन,” ICML (2022)

रिसर्च टूल

• PyTorch, JAX, Weights & Biases • Slurm, Git, LaTeX

इस उदाहरण का उपयोग करें

इस AI रिसर्च विशेषज्ञ रिज्यूमे के साथ बिल्डर खोलें, फिर उदाहरण को अपने विवरण से बदलें।

खाली रिज्यूमे से शुरू करें

आम कीवर्ड

इस भूमिका के लिए अक्सर बताए जाने वाले कौशल और टूल। सिर्फ़ वही इस्तेमाल करें जो आपके पास हैं और नौकरी के विज्ञापन में दिए गए शब्दों में लिखें। कॉपी करने के लिए किसी कीवर्ड पर क्लिक करें।

काम बताने वाली क्रियाएँ

विकसित कियामूल्यांकन कियाडिज़ाइन कियासुधाराप्रकाशित कियाविश्लेषण कियामार्गदर्शन किया

AI रिसर्च विशेषज्ञ रिज़्यूमे कैसे लिखें

अपने शोध क्षेत्र को सबसे पहले रखें

अपना शोध-केंद्रित विषय, सबसे मज़बूत तरीके और सबसे प्रासंगिक शोध-पत्र या परियोजना ऊपर रखें। भर्ती टीम जल्दी समझ सके कि आपका काम उसके क्षेत्र से मेल खाता है या नहीं, जैसे भाषा मॉडल, रीइन्फोर्समेंट लर्निंग या इंटरप्रेटेबिलिटी। सहयोगी काम में अपने योगदान का उल्लेख करें और जब शोध-पत्र या कोड रिपॉज़िटरी सार्वजनिक हो तथा साझा करना उचित हो, तो उसका लिंक दें।

प्रयोग और नतीजे को स्पष्ट करें

हर परियोजना में सवाल, तरीका और उसके काम करने के सबूत बताएँ। जहाँ जानकारी साझा कर सकते हों, वहाँ बेसलाइन, मूल्यांकन सेट, एब्लेशन या संसाधन का माप शामिल करें। ऐसे आँकड़े दें जो प्रयोग का वास्तविक दायरा दिखाएँ, जैसे जाँचे गए वेरिएंट की संख्या या किसी तय मेट्रिक में बदलाव। मॉडल की व्यापक क्षमताओं के बारे में बिना प्रमाण दावे न करें।

प्रकाशनों को पढ़ना आसान बनाएँ

चुने हुए शोध-पत्रों को अलग सेक्शन में शीर्षक, प्रकाशन-मंच, वर्ष और ज़रूरत पड़ने पर लेखक के रूप में अपनी स्थिति के साथ सूचीबद्ध करें, ताकि आपका योगदान स्पष्ट हो। सार्वजनिक होने पर शोध-पत्र या प्रीप्रिंट का लिंक दें। सहकर्मी-समीक्षित काम को प्रीप्रिंट और जारी काम से अलग दिखाएँ; समीक्षा में चल रहे सबमिशन को स्वीकृत न बताएँ। शोध-प्रबंध तभी जोड़ें जब वह आपकी इच्छित भूमिका के लिए उपयोगी हो।

शोध के संदर्भ में टूल दिखाएँ

वे फ्रेमवर्क और इन्फ्रास्ट्रक्चर शामिल करें जिनका आपने सीधे उपयोग किया है, जैसे PyTorch, JAX या डिस्ट्रिब्यूटेड ट्रेनिंग टूल, और उन्हें अनुभव सेक्शन के किसी प्रयोग से जोड़ें। उन लाइब्रेरी की लंबी सूची न दें जिन्हें आपने सिर्फ़ आज़माया है। गोपनीय परियोजना विवरण, ऐसे अप्रकाशित नतीजे जिन्हें आप साझा नहीं कर सकते, और नवोन्मेषी या बौद्धिक रूप से जिज्ञासु होने के सामान्य दावे छोड़ दें।

सभी डेटा साइंस और AI रिज़्यूमे के उदाहरण

इस भूमिका से जुड़े सवाल

AI रिसर्च रिज़्यूमे कितना लंबा होना चाहिए?

इसके लिए कोई एक तय लंबाई नहीं है। अनुभवी शोधकर्ता के लिए दो पन्ने चुने हुए शोध योगदान, प्रकाशनों और तकनीकी अनुभव को दिखाने की जगह दे सकते हैं। सबसे प्रासंगिक काम ऊपर रखें और पुराने ऐसे विवरण कम करें जो लक्षित भूमिका के लिए उपयोगी नहीं हैं। आवेदन में CV या प्रकाशन सूची माँगी गई हो, तो उन निर्देशों का पालन करें और माँगा गया दस्तावेज़ दें।

क्या आपको हर शोध-पत्र और प्रीप्रिंट शामिल करना चाहिए?

आमतौर पर, रिज़्यूमे में सबसे प्रासंगिक काम का छोटा चयन रखें और पूरी प्रकाशन सूची उपलब्ध हो तो उसका लिंक दें। प्रकाशन-मंच और वर्ष बताएँ, और प्रीप्रिंट या जारी काम को सही ढंग से चिह्नित करें। जहाँ इससे आपकी भूमिका स्पष्ट होती हो, खासकर सहयोगी शोध-पत्रों में, लेखक के रूप में अपनी स्थिति बताएँ। प्रकाशन सूची के बारे में आवेदन के निर्देशों का पालन करें।

क्या AI रिसर्च की नौकरियों के लिए PhD ज़रूरी है?

ज़रूरतें नियोक्ता, टीम और शोध क्षेत्र के अनुसार बदलती हैं। कई रिसर्च साइंटिस्ट पदों के लिए PhD या उसके बराबर शोध अनुभव माँगा जाता है, जबकि कुछ पदों पर किसी खास डिग्री की जगह मज़बूत स्वतंत्र काम, प्रकाशन या पर्याप्त व्यावहारिक शोध अनुभव स्वीकार किया जाता है। हर नौकरी का विवरण ध्यान से पढ़ें और अपने शोध योगदान, तरीकों तथा तकनीकी गहराई के सबूत दिखाएँ।

क्या आप सॉफ़्टवेयर इंजीनियरिंग से AI रिसर्च में जा सकते हैं?

हाँ, लेकिन इंजीनियरिंग कौशल के साथ शोध के प्रमाण भी दिखाएँ। ऐसे प्रयोगों को प्रमुखता दें जिन्हें आपने डिज़ाइन किया हो, शोध-पत्र या तकनीकी रिपोर्ट, ओपन-सोर्स काम, या ऐसे सहयोग जो शोध प्रश्न और सावधानीपूर्वक मूल्यांकन दिखाते हों। प्रोडक्शन इंजीनियरिंग और शोध योगदान में स्पष्ट अंतर रखें। उदाहरणों को भूमिका के फ़ोकस के अनुसार ढालें, और ऐसे लेखकीय योगदान या नतीजों का दावा न करें जिन्हें आप प्रमाणित नहीं कर सकते।