Znanost o podacima i umjetna inteligencija · Viša razina (6+ god.)

Životopis inženjera strojnog učenja

Ovaj primjer prikazuje inženjera koji poboljšava modele rangiranja i predviđanja, od eksperimentiranja do nadziranih izdanja u produkciji. Dobar životopis povezuje odabir modela, rad s podacima i implementaciju s mjerljivim promjenama u latenciji, relevantnosti, troškovima ili poslovnim procesima, uz jasno navođenje alata i opsega rada.

Provjera životopisa

Što traže osobe koje zapošljavaju i sustavi za praćenje. Smjernica, a ne predviđanje.

100 / 100Potpuno

100%
  • Kontakt20 / 20
  • Sažetak20 / 20
  • Radno iskustvo30 / 30
  • Vještine20 / 20
  • Obrazovanje10 / 10

Podaci za kontakt

Navedite ih na vrhu životopisa jer ih osobe koje zapošljavaju i sustavi za praćenje prvo traže.

Neobavezno. U SAD-u, UK-u i Kanadi životopisi obično ne sadržavaju fotografiju.

52 riječi

Navedite jedno radno mjesto po odlomku; svako postignuće započnite u novom retku znakom „-”.

10 vještina

Odvojite vještine zarezima, primjerice: Excel, SQL, planiranje projekata.

Dodatni odjeljci

Projekti, certifikati, jezici ili bilo što drugo što podupire vašu prijavu.

Alati
Odabrani projekt

Alex Morgan

Inženjer strojnog učenja

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

Sažetak

Inženjer strojnog učenja sa 7 godina iskustva u izradi sustava za rangiranje i predviđanje za B2B proizvode za trgovinu. Kombinira razvoj modela u Pythonu i PyTorchu, dizajn cjevovoda značajki i implementacije na Kubernetesu s temeljitom izvanmrežnom i mrežnom evaluacijom; pustio je u rad usluge koje obrađuju 2 milijuna zahtjeva za preporuke dnevno.

Radno iskustvo

Inženjer strojnog učenja II u Cedarpath Commerceu, Denver, CO (2022. – danas) - Izradio model rangiranja u PyTorchu koristeći značajke sesija i kataloga, čime je stopa dodavanja u košaricu porasla za 6% u kontroliranom testu na 1,2 milijuna sesija. - Implementirao usluge za preporuke na Kubernetesu i dodao skupno bodovanje uz praćenje u MLflowu, čime je vrijeme odziva p95 smanjeno sa 180 ms na 125 ms. - Automatizirao provjeru značajki i upozorenja o odstupanju za 14 produkcijskih značajki, pomažući timu da istraži probleme s podacima prije tjednih izdanja modela. Inženjer strojnog učenja u Summitline Analyticsu, Boulder, CO (2019. – 2022.) - Istrenirao modele za predviđanje potražnje u scikit-learnu na temelju trogodišnjih podataka o prodaji, smanjivši srednju apsolutnu pogrešku za 9% u odnosu na postojeću sezonsku osnovnu vrijednost. - Izradio višekratno upotrebljive cjevovode značajki u Pythonu i SQL-u za pet implementacija kod klijenata, skrat**ivši** pripremu za osvježavanje modela s dva dana na otprilike jedan dan.

Obrazovanje

Prvostupnik računarstva — Juniper Ridge University, Grand Junction, CO (2018.)

Vještine

  • Python
  • SQL
  • PyTorch
  • scikit-learn
  • inženjering značajki
  • evaluacija modela
  • Kubernetes
  • MLflow
  • Docker
  • A/B testiranje

Alati

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

Odabrani projekt

• Razvio prototip dohvaćanja i ponovnog rangiranja za pretraživanje proizvoda koristeći ugradnje rečenica i PyTorch • Usporedio relevantnost i latenciju na označenom skupu od 8.000 upita • Dokumentirao rezultate evaluacije i kompromise pri implementaciji

Kako napisati životopis za radno mjesto Inženjer strojnog učenja

Pokažite učinak modela izvan metrike

Najprije navedite rezultat za proizvod ili poslovanje, a zatim imenujte model i metodu evaluacije. Primjerice, povežite promjenu rangiranja s konverzijom ili relevantnošću pretraživanja te navedite je li rezultat dobiven mrežnim testom ili izvanmrežnom usporedbom. Kad je korisno, navedite osnovnu vrijednost, opseg i razdoblje; metriku bez konteksta teško je protumačiti.

Jasno navedite odgovornosti u produkciji

Opišite za što ste bili odgovorni nakon treniranja: cjevovode značajki, posluživanje, nadzor, ponovno treniranje, povrat na prethodnu verziju ili dežurna istraživanja problema. Navedite okruženje za implementaciju i konkretnu mjeru, kao što su latencija p95, vrijeme osvježavanja, trošak računalstva u oblaku ili broj zahtjeva. Nemojte ostavljati dojam da je model bio spreman za produkciju ako se izvodio samo u bilježnici ili ograničenom pilotu.

Navedite alate uz koristan kontekst

Navedite jezike, okvire, usluge u oblaku i alate za implementaciju o kojima možete govoriti na razgovoru za posao, a zatim pokažite gdje ste ih koristili u opisima iskustva. Koristite formulacije iz oglasa kada točno opisuju vaš rad. Izostavite duge popise biblioteka i nemojte navoditi svaku arhitekturu modela koju ste isprobali bez objašnjenja njezine svrhe.

Iskoristite projekte za popunjavanje praznina u dokazima

Ako u vašoj radnoj povijesti nema mnogo iskustva s implementacijom modela, uključite jedan ili dva relevantna projekta s poveznicom na repozitorij ili demonstraciju, izvorom podataka, pristupom evaluaciji i opisom onoga što ste izradili. Objasnite ograničenja podataka i nemojte dijeliti povjerljivi kod, podatke o klijentima ni tvrdnje koje se ne mogu ponoviti. Projekt treba pružiti dodatne dokaze, a ne ponavljati popis vještina.

Uobičajene ključne riječi

Vještine i alati koji se često navode za ovo radno mjesto. Koristite samo one koje poznajete i nazive iz oglasa za posao. Kliknite na riječ da biste je kopirali.

Glagoli za opis postignuća

IzradioImplementiraoSmanjioPoboljšaoAutomatiziraoProcijenioOptimizirao

Pitanja o ovom radnom mjestu

Koliko bi trebao biti dug životopis inženjera strojnog učenja?

Ako imate nekoliko godina relevantnog iskustva, dvije stranice mogu biti primjerene kada svaki unos pruža korisne dokaze o modelima, podatkovnim sustavima ili odgovornostima u produkciji. Najrelevantniji posao stavite na prvu stranicu, a skratite starije pojedinosti koje ne podupiru vašu prijavu. Usmjeren životopis na jednoj stranici također može biti učinkovit ako je čitljiv i sadrži dovoljno konteksta za vaše rezultate.

Trebam li uključiti poveznicu na portfelj ili GitHub?

Uključite je ako prikazuje rad koji jača vašu prijavu, primjerice projekt koji se može ponoviti, tehnički članak ili javni doprinos. Postavite poveznicu blizu podataka za kontakt ili u odjeljak s projektima te provjerite sadrži li repozitorij jasan README i nema li tajne podatke ni ograničene podatke. Nemojte se oslanjati na poveznicu umjesto da u životopisu objasnite svoj doprinos.

Koje bi certifikate inženjer strojnog učenja trebao navesti?

U SAD-u ne postoji opća licenca ni obvezni certifikat za inženjere strojnog učenja. Navedite certifikat ako je relevantan za posao, važeći i izdan od prepoznatljivog pružatelja, primjerice ako je riječ o vjerodajnici za platformu u oblaku. Navedite točan naziv i izdavatelja; izostavite istekle vjerodajnice ili potvrde o kratkim tečajevima koje dodaju malo toga povrh vaših dokazanih vještina.

Mogu li prijeći u inženjerstvo strojnog učenja iz podatkovne znanosti?

Da. Istaknite dokaze inženjerskog rada uz razvoj modela: pouzdane cjevovode podataka, testirani kod, API-je ili skupne poslove, implementaciju, nadzor i suradnju s timovima za proizvode ili infrastrukturu. Precizno opišite svoju ulogu i navedite alate i rezultate. Ako je takvo iskustvo ograničeno, dodajte usmjeren projekt koji prikazuje cijeli postupak, od pripreme podataka preko evaluacije do implementacije.