Znanost o podacima i umjetna inteligencija · Srednje do više iskustva (4+ god.)

Životopis inženjera računalnog vida i NLP-a

Ovaj ogledni primjer pokazuje kako povezati računalni vid i jezične modele s mjerljivim poboljšanjima proizvoda, od obrade slika do klasifikacije teksta. Kvalitetan životopis za ovu ulogu jasno prikazuje podatke, odabir modela, rad na uvođenju u produkciju i rezultate evaluacije, kako inženjerskim timovima tako i timovima za primijenjena istraživanja.

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.

58 riječi

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

11 vještina

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

Dodatni odjeljci

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

Odabrani projekti
Alati

Alex Morgan

Inženjer računalnog vida i NLP-a

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

Sažetak

Inženjer računalnog vida i NLP-a s 5 godina iskustva u izradi značajki strojnog učenja za B2B logističku platformu. Ističe se u predobradi slika, prilagodbi transformera i evaluaciji modela, a ima i rezultate u poboljšanju izdvajanja podataka iz dokumenata i procesa pregleda oštećenja paketa. Ima iskustva s uvođenjem PyTorch servisa u produkciju i praćenjem kvalitete modela nakon objave.

Radno iskustvo

Inženjer/ka računalnog vida i NLP-a u tvrtki Pineglass Parcel Technologies, Denver, CO (2023. – danas) - Izgradio/la PyTorch i OpenCV cjevovod za otkrivanje oštećenja na fotografijama iz skladišta, koji usmjerava oko 1.200 slika dnevno i smanjuje opseg ručnog pregleda za 18 %. - Prilagodio/la model za klasifikaciju tokena iz Hugging Facea za izdvajanje podataka iz otpremnih dokumenata te povećao/la F1 rezultat na razini polja s 0,86 na 0,91 na izdvojenom skupu za evaluaciju. - Uveo/la verzionirane servise za izvođenje modela s Dockerom i Kubernetesom, skraćujući medijalno vrijeme obrade slike s 1,8 na 1,2 sekunde po slici. Inženjer/ka strojnog učenja u tvrtki Ridgeway Applied Language Labs, Boulder, CO (2021. – 2023.) - Razvio/la tijekove rada za OCR i prepoznavanje imenovanih entiteta na računima, koristeći Tesseract i BERT, čime je prosječno vrijeme razvrstavanja iznimki skraćeno za 22 % u dva korisnička tima. - Evaluirao/la YOLO modele za detekciju objekata na označenom skupu od 14.000 slika i utvrdio/la nedostatke u kamerama i osvjetljenju, čime je odziv poboljšan za 7 postotnih bodova.

Obrazovanje

Prvostupnik/ca računarstva — Aspen Vale Institute of Computing, Fort Collins, CO (2021.)

Vještine

  • Računalni vid
  • obrada prirodnog jezika
  • PyTorch
  • OpenCV
  • Hugging Face Transformers
  • detekcija objekata
  • OCR
  • prepoznavanje imenovanih entiteta
  • evaluacija modela
  • Docker
  • Kubernetes

Odabrani projekti

• Otkrivanje oštećenja paketa: usporedba YOLO inačica modela i dokumentiranje odziva prema vrsti oštećenja. • Izdvajanje podataka iz otpremnih dokumenata: izrada skupa za evaluaciju OCR-a i izdvajanja entiteta na različitim vrstama skeniranih dokumenata.

Alati

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

Kako napisati životopis za radno mjesto Inženjer računalnog vida i NLP-a

Istaknite modele uvedene u produkciju

Na vrh stavite trenutačnu ulogu i najjači primjer rada na modelu u produkciji. Navedite što je model obrađivao, opseg podataka ili uvjete rada te što se promijenilo nakon objave, primjerice opseg pregleda, latencija ili kvaliteta izdvajanja. Razlikujte prototipove od značajki koje koriste klijenti ili operativni timovi; timovi za zapošljavanje trebaju vidjeti jeste li podržavali modele i nakon izrade u bilježnici.

Pokažite kako ste evaluirali modele

Navedite metodu evaluacije i metriku primjerenu zadatku: preciznost i odziv za detekciju, F1 za izdvajanje ili latenciju za servis za izvođenje modela. Kad možete, navedite veličinu ili izvor skupa podataka i objasnite jesu li rezultati dobiveni na izdvojenom skupu ili praćenjem u produkciji. Izbjegavajte neutemeljene tvrdnje da je model precizan ako ne navedete što ste mjerili.

Konkretno navedite tehnološki skup

Navedite okvire, obitelji modela i alate za uvođenje u produkciju koje ste praktično koristili, kao što su PyTorch, OpenCV, Hugging Face Transformers, Docker ili Kubernetes. Povežite svaki alat s projektom ili postignućem umjesto da navodite svaki paket koji ste isprobali. Platforme u oblaku ili vektorske baze podataka spomenite samo ako ste ih stvarno koristili na poslu i ako su relevantne za oglas za posao.

Dodajte poveznicu na usmjeren portfelj

Sažet portfelj može prikazati ponovljiv projekt iz računalnog vida ili NLP-a, pristup evaluaciji i jasno objašnjenje kompromisa. Povežite kod ili demonstraciju koju smijete dijeliti te uklonite korisničke podatke, vjerodajnice i vlasničke pojedinosti o modelima. Akademske radove, tutorijale i osobne projekte jasno odvojite od rada u produkciji kako bi čitatelji brzo razumjeli Vašu razinu odgovornosti.

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

Izgradio/laTrenirao/laUveo/la u produkcijuSmanjio/laPoboljšao/laAutomatizirao/laEvaluirao/la

Pitanja o ovom radnom mjestu

Koliko bi trebao biti dug životopis inženjera računalnog vida i NLP-a?

Za oko pet godina iskustva dvije su stranice obično primjerene ako druga sadrži relevantne projektne ili tehničke pojedinosti. Najjači rad u produkciji, evaluaciju modela i rezultate uvođenja u produkciju stavite na prvu stranicu. Rane kolegije i nepovezane poslove obično možete skratiti ili izostaviti, osim ako pokazuju izravno relevantne vještine.

Trebam li uključiti poveznicu na portfelj ili GitHub?

Uključite je ako prikazuje relevantan rad koji je javan i jednostavan za pregled, primjerice ponovljiv projekt, bilježnicu za evaluaciju ili tehnički osvrt. Objasnite zadatak, izvor podataka, metrike i svoj doprinos. Nemojte učitavati korisničke podatke, kod poslodavca ni materijale obuhvaćene ugovorima o povjerljivosti; za takav je rad sigurnije dati anonimizirani opis.

Koje certifikate trebam navesti za ovu ulogu?

Za uloge inženjera računalnog vida i NLP-a u Sjedinjenim Državama obično se ne traže univerzalna profesionalna licenca ni certifikat. Navedite relevantan certifikat za oblak ili strojno učenje samo ako ste ga stekli; po potrebi navedite izdavatelja i datum te ga smjestite ispod znatnog iskustva na projektima. Završetak tečaja nemojte prikazivati kao profesionalni certifikat.

Mogu li prijeći na ovu ulogu iz podatkovne znanosti ili softverskog inženjerstva?

Da. Istaknite projekte koji pokazuju da možete izrađivati i evaluirati modele računalnog vida ili jezične modele, raditi sa stvarnim podacima i integrirati izvođenje modela u aplikaciju. Ako dolazite iz podatkovne znanosti, dodajte primjere uvođenja u produkciju i praćenja; ako dolazite iz softverskog inženjerstva, pokažite treniranje modela, metrike primjerene zadatku i obradu skupova podataka. Osobne ili akademske projekte jasno označite i opišite svoj doprinos.