Adattudomány és AI · Senior (6+ év)

MI-kutatási szakértői önéletrajz

Ez a minta bemutatja, hogyan kapcsolhatja össze egy MI-kutató a kísérleti módszereket, a modellkiértékelést és a publikációkat a mérhető kutatási eredményekkel. Az ehhez a munkakörhöz készült jó önéletrajz egyértelművé teszi a saját hozzájárulásodat, és elegendő műszaki részletet ad ahhoz, hogy a csapatok felmérhessék a munkádat.

Önéletrajz ellenőrzése

Amit a toborzók és a jelentkezőkövető rendszerek keresnek. Útmutató, nem előrejelzés.

100 / 100Teljes

100%
  • Elérhetőségek20 / 20
  • Összefoglaló20 / 20
  • Tapasztalat30 / 30
  • Készségek20 / 20
  • Tanulmányok10 / 10

Elérhetőségek

Írd ezeket a lap tetejére; a toborzók és a jelentkezőkövető rendszerek először ezeket keresik.

Nem kötelező. Az Egyesült Államokban, az Egyesült Királyságban és Kanadában általában fénykép nélkül készül az önéletrajz.

34 szó

Minden munka külön bekezdés legyen; minden eredményt új sorban, „-” jellel kezdj.

10 készség

Vesszővel válaszd el a készségeket, például: Excel, SQL, projekttervezés.

További szakaszok

Projektek, tanúsítványok, nyelvek vagy bármi más, ami alátámasztja a jelentkezésedet.

Válogatott publikációk
Kutatási eszközök

Alex Morgan

MI-kutatási szakértő

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

Összefoglaló

MI-kutató 8 év tapasztalattal egy alkalmazott gépi tanulási kutatólaboratóriumban, transzformermodellek és megerősítéses tanulási módszerek fejlesztésében. Jártas a kísérlettervezésben, a modellkiértékelésben és a reprodukálható tanítási munkafolyamatokban; számítástechnikai doktori fokozattal és lektorált kutatási publikációkkal rendelkezik.

Tapasztalat

Vezető kutatási tudós a Cedar Peak Intelligence-nél, Boulder, CO (2021 – jelenleg) - Megerősítéses tanulási módszert tervezett többlépéses nyelvi feladatokhoz, és 4 százalékponttal javította a feladatok sikeres teljesítési arányát egy belső kiértékelési tesztkészleten. - PyTorch-alapú kiértékelési adatfolyamot épített 12 modellváltozathoz, így a kísérletek áttekintési ideje 5 napról 3 napra csökkent. - Két kutatási munkatársnak adott szakmai útmutatást a kísérlettervezésről és a reprodukálható munkafolyamatokról; három közös tanulmány kísérleteihez járult hozzá. Kutatási tudós az Alpine Signal Labsnál, Denver, CO (2018 – 2021) - Elosztott PyTorch-feladatokkal tanított dokumentumértelmező transzformermodelleket, és 9%-kal csökkentette az ellenőrző adathalmazon mért hibát. - Hat modellbeállításon végzett ablációs vizsgálatokat, és egy egyszerűbb architektúrát azonosított, amely 15%-kal csökkentette a tanításhoz szükséges számítási kapacitást.

Tanulmányok

Számítástechnikai doktori fokozat — Summit Plains University, Fort Collins, CO (2018)

Készségek

  • Mélytanulás
  • transzformermodellek
  • megerősítéses tanulás
  • természetesnyelv-feldolgozás
  • PyTorch
  • JAX
  • LLM-kiértékelés
  • kísérlettervezés
  • elosztott tanítás
  • statisztikai elemzés

Válogatott publikációk

• „Hatékony adaptáció hosszú dokumentumokkal végzett feladatokhoz”, NeurIPS (2024) • „Preferenciaoptimalizálás korlátozott visszajelzés mellett”, ICML (2022)

Kutatási eszközök

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

Hogyan írj önéletrajzot MI-kutatási szakértő munkakörhöz?

Kezdd a kutatási területeddel

A kutatási fókuszodat, legerősebb módszereidet és legrelevánsabb tanulmányodat vagy projektedet tedd az önéletrajz elejére. A kiválasztást végző csapat így gyorsan látja, hogy a munkád illik-e a területéhez, például a nyelvi modellekhez, a megerősítéses tanuláshoz vagy az interpretálhatósághoz. Nevezd meg, mivel járultál hozzá a közös munkához, és ha nyilvános, illetve megosztható, hivatkozz a tanulmányra vagy a kódtárra.

Mutasd be a kísérletet és az eredményt

Minden projektnél nevezd meg a kutatási kérdést, a megközelítést és az eredményességét alátámasztó bizonyítékot. Ha megosztható, tüntess fel egy kiindulási értéket, értékelési adathalmazt, ablációs vizsgálatot vagy erőforrás-mutatót. Olyan számokat használj, amelyek a kísérlet tényleges léptékét mutatják, például a tesztelt változatok számát vagy egy meghatározott mérőszámon elért változást. Kerüld az alá nem támasztott, széles körű állításokat a modell képességeiről.

Tedd könnyen áttekinthetővé a publikációidat

A kiválasztott tanulmányaidat külön részben sorold fel a címükkel, a megjelenés helyével és évével, valamint a szerzői sorrendben elfoglalt helyeddel, ha ez segít tisztázni a hozzájárulásodat. Ha nyilvános, hivatkozz a tanulmányra vagy az előzetes változatára. Különböztesd meg a lektorált munkákat az előzetes változatoktól és a folyamatban lévő kutatásoktól; ne sugallj elfogadást olyan kéziratnál, amely még bírálat alatt áll. Disszertációt csak akkor adj meg, ha releváns a megcélzott szerephez.

Helyezd kontextusba a kutatási eszközöket

Sorold fel azokat a keretrendszereket és infrastruktúrákat, amelyeket ténylegesen használtál, például a PyTorchot, a JAX-ot vagy az elosztott tanításhoz használt eszközöket, és kapcsold őket a tapasztalatok között bemutatott kísérletekhez. Hagyd ki azokat a hosszú könyvtárlistákat, amelyek elemeit csak kipróbáltad. Ne szerepeltess bizalmas projektadatokat, nem publikált, nem megosztható eredményeket, illetve általános állításokat arról, hogy innovatív vagy intellektuálisan kíváncsi vagy.

Gyakori kulcsszavak

Ehhez a munkakörhöz gyakran felsorolt készségek és eszközök. Csak azt használd, amivel rendelkezel, az álláshirdetés megfogalmazását követve. Kattints egy kulcsszóra a másolásához.

Cselekvést kifejező igék

KidolgozottKiértékeltMegtervezettJavítottPublikáltElemzettMentorált

Kérdések erről a munkakörről

Milyen hosszú legyen egy AI-kutatói önéletrajz?

Nincs előírt, egységes hossz. Tapasztalt kutatóként két oldal elegendő helyet adhat a kiválasztott kutatási eredményeknek, publikációknak és műszaki tapasztalatoknak. A legrelevánsabb munkáidat tedd az elejére, a célzott szerepet nem támogató régebbi részleteket pedig rövidítsd le. Ha a jelentkezéshez CV-t vagy publikációs listát kérnek, kövesd az utasításokat, és csatold a kért dokumentumot.

Minden tanulmányomat és előzetes változatomat tüntessem fel?

Általában a legrelevánsabb munkáid rövid válogatását tedd az önéletrajzba, és hivatkozz a teljes publikációs listádra, ha van ilyen. Add meg a megjelenés helyét és évét, az előzetes változatokat és a folyamatban lévő munkákat pedig jelöld pontosan. A szerzők közötti helyezésedet akkor tüntesd fel, ha ez segít bemutatni a szerepedet, különösen közös tanulmányoknál. Kövesd a publikációs listára vonatkozó jelentkezési utasításokat.

Szükséges PhD az AI-kutatói állásokhoz?

A követelmények munkáltatónként, csapatonként és kutatási területenként eltérnek. Sok kutatói állás PhD-t vagy azzal összevethető kutatási tapasztalatot kér, más helyeken pedig egy adott fokozat helyett az erős önálló munkát, a publikációkat vagy a jelentős alkalmazott kutatási tapasztalatot is elfogadhatják. Olvasd el figyelmesen az álláshirdetéseket, és mutasd be a kutatási hozzájárulásaidat, módszereidet és műszaki tudásodat alátámasztó eredményeket.

Válthatok szoftvermérnöki munkáról AI-kutatásra?

Igen, de a mérnöki készségeid mellett kutatási eredményeket is mutass be. Emeld ki az általad tervezett kísérleteket, tanulmányokat vagy műszaki jelentéseket, nyílt forráskódú munkákat és együttműködéseket, amelyek kutatási kérdést és gondos értékelést mutatnak be. Világosan különítsd el az üzemi mérnöki munkát a kutatási hozzájárulásaidtól. A példáidat igazítsd a szerep fókuszához, és ne tulajdoníts magadnak olyan szerzőséget vagy eredményt, amelyet nem tudsz alátámasztani.