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.

Kovács Péter

MI-kutatási szakértő

  • peter.kovacs@example.com
  • +36 1 123 4567
  • Budapest

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 kutató - Cedar Peak Intelligence (2021 - jelenleg) - Megerősítéses tanuláson alapuló megközelítést terveztem többlépéses nyelvi feladatokhoz, és 4 százalékponttal javítottam a feladatok sikeres teljesítési arányát egy belső értékelési tesztkészleten. - PyTorch-alapú értékelési folyamatot építettem ki 12 modellváltozathoz, 5 napról 3 napra csökkentve a kísérletek áttekintésére fordított időt. - Két kutatási munkatársat mentoráltam a kísérlettervezés és a reprodukálható munkafolyamatok terén; kísérletekkel járultam hozzá három közös tanulmányhoz. Kutató - Alpine Signal Labs (2018 - 2021) - Elosztott PyTorch-feladatokkal dokumentumértelmezési modelleket tanítottam be, 9%-kal csökkentve a validációs hibát egy tanításhoz nem használt adathalmazon. - Hat modellkonfigurációval végeztem ablation vizsgálatokat, és azonosítottam egy egyszerűbb architektúrát, amely 15%-kal csökkentette a betanításhoz szükséges számítási kapacitást.

Tanulmányok

Számítástudományi PhD - Summit Plains University (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

Példa használata

Nyisd meg a készítőt ezzel a MI-kutatási szakértő önéletrajzzal, majd cseréld ki a példát a saját adataiddal.

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

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.

Összes Adattudomány és AI önéletrajz-minta

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.