Kezdd a bevezetett modellekkel
A jelenlegi pozíciódat és a legerősebb, éles környezetben használt munkáidat tedd az önéletrajz elejére. Írd le, mire használták a modellt, mekkora adatmennyiséget vagy milyen működési környezetet kezelt, és mi változott a bevezetése után, például az ellenőrzések száma, a késleltetés vagy a kinyerés minősége. Különítsd el a prototípusokat az ügyfelek vagy az operatív csapatok által használt funkcióktól; a toborzóknak látniuk kell, hogy a notebookon túl is támogattál-e modelleket.
Mutasd be, hogyan értékelted a modelleket
Nevezd meg az értékelési módszert és a feladathoz illő mérőszámot: felismerésnél a pontosságot és a visszahívást, adatkinyerésnél az F1-et, következtetési szolgáltatásnál pedig a késleltetést. Ha tudod, add meg az adathalmaz méretét vagy forrását, és írd le, hogy az eredmények elkülönített adathalmazon vagy éles környezeti monitorozásból származtak-e. Ne állítsd alátámasztás nélkül, hogy egy modell pontos; írd le, mit mértél.
Nevezd meg pontosan az eszközeidet
Sorold fel azokat a keretrendszereket, modelltípusokat és telepítési eszközöket, amelyeket ténylegesen használtál, például a PyTorchot, az OpenCV-t, a Hugging Face Transformerst, a Dockert vagy a Kubernetes-t. Minden eszközt kapcsolj egy projekthez vagy eredményhez ahelyett, hogy minden kipróbált csomagot felsorolnál. Felhőplatformokat vagy vektoradatbázisokat csak akkor említs, ha valóban használtad őket, és relevánsak az álláshirdetés szempontjából.
Ossz meg célzott portfóliót
Egy tömör portfólióban bemutathatsz egy reprodukálható számítógépes látási vagy NLP-projektet, az értékelési módszert és a kompromisszumok világos magyarázatát. Csak olyan kódra vagy demóra hivatkozz, amelyet megoszthatsz, az ügyféladatokat, a hitelesítő adatokat és a védett modellrészleteket pedig távolítsd el. A tanulmányokat, az oktatóanyagokat és a saját projekteket különítsd el az éles munkától, hogy az olvasók gyorsan megértsék, mekkora felelősséget vállaltál.