Sains Data & AI · Senior (6+ tahun)

CV Insinyur Pembelajaran Mesin

Contoh ini menunjukkan seorang insinyur yang meningkatkan model pemeringkatan dan peramalan, mulai dari eksperimen hingga rilis produksi yang dipantau. CV yang kuat menghubungkan pilihan model, data, dan pekerjaan deployment dengan perubahan terukur pada latensi, relevansi, biaya, atau alur kerja bisnis, sekaligus memperjelas alat dan skalanya.

Budi Santoso

Insinyur Pembelajaran Mesin

  • budi.santoso@example.com
  • +62 21 5550 1234
  • Jakarta

Ringkasan

Insinyur pembelajaran mesin dengan pengalaman 7 tahun membangun sistem pemeringkatan dan peramalan untuk produk perdagangan B2B. Menguasai pengembangan model dengan Python dan PyTorch, desain pipeline fitur, serta deployment Kubernetes yang disertai evaluasi offline dan online secara cermat; telah merilis layanan yang memproses 2 juta permintaan rekomendasi per hari.

Pengalaman

Insinyur Pembelajaran Mesin II di Cedarpath Commerce (2022 - Sekarang) - Membangun model pemeringkatan PyTorch menggunakan fitur sesi dan katalog, meningkatkan rasio tambah ke keranjang (add-to-cart) sebesar 6% dalam uji terkontrol di 1,2 juta sesi. - Menerapkan layanan rekomendasi di Kubernetes dan menambahkan penilaian batch dengan pelacakan MLflow, mengurangi waktu respons p95 dari 180 ms menjadi 125 ms. - Mengotomatiskan validasi fitur dan peringatan drift untuk 14 fitur produksi, membantu tim menyelidiki masalah data sebelum rilis model mingguan. Insinyur Pembelajaran Mesin di Summitline Analytics (2019 - 2022) - Melatih model peramalan permintaan scikit-learn pada data penjualan tiga tahun, mengurangi kesalahan absolut rata-rata (mean absolute error) sebesar 9% terhadap baseline musiman yang ada. - Membangun pipeline fitur Python dan SQL yang dapat digunakan kembali untuk lima penerapan klien, memangkas persiapan penyegaran model dari dua hari menjadi sekitar satu hari.

Pendidikan

Sarjana Sains Ilmu Komputer - Juniper Ridge University (2018)

Keterampilan

  • Python
  • SQL
  • PyTorch
  • scikit-learn
  • rekayasa fitur
  • evaluasi model
  • Kubernetes
  • MLflow
  • Docker
  • pengujian A/B

Alat

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

Proyek pilihan

• Mengembangkan prototipe retrieval dan reranking untuk pencarian produk menggunakan sentence embedding dan PyTorch • Membandingkan relevansi dan latensi pada kumpulan berlabel berisi 8.000 kueri • Mendokumentasikan hasil evaluasi dan pertimbangan deployment

Gunakan contoh ini

Buka pembuat CV dengan contoh CV Insinyur Pembelajaran Mesin ini, lalu ganti contoh dengan detail Anda sendiri.

Mulai dengan CV kosong

Kata kunci umum

Keterampilan dan alat yang sering dicantumkan untuk posisi ini. Gunakan hanya yang Anda kuasai, dengan kata-kata dari iklan lowongan. Klik salah satu untuk menyalinnya.

Kata kerja tindakan

MembangunMenerapkanMengurangiMeningkatkanMengotomatiskanMengevaluasiMengoptimalkan

Cara menulis CV Insinyur Pembelajaran Mesin

Tunjukkan dampak model di luar metrik

Awali dengan hasil bagi produk atau operasional, lalu sebutkan model dan metode evaluasinya. Misalnya, hubungkan perubahan pemeringkatan dengan konversi atau relevansi pencarian, dan jelaskan apakah hasilnya berasal dari uji online atau tolok ukur offline. Sertakan baseline, skala, dan periode waktu jika berguna; metrik tanpa konteks sulit ditafsirkan.

Perjelas tanggung jawab Anda atas produksi

Jelaskan tanggung jawab Anda setelah pelatihan model: pipeline fitur, penyajian model, pemantauan, pelatihan ulang, rollback, atau investigasi on-call. Sebutkan lingkungan deployment dan berikan ukuran konkret seperti latensi p95, waktu pembaruan, pengeluaran cloud, atau volume permintaan. Jangan memberi kesan bahwa model siap produksi jika model hanya dijalankan di notebook atau dalam uji coba terbatas.

Sebutkan alat beserta konteks yang berguna

Cantumkan bahasa pemrograman, framework, layanan cloud, dan alat deployment yang dapat Anda bahas saat wawancara, lalu tunjukkan penggunaannya dalam poin pengalaman kerja. Gunakan istilah dari iklan lowongan jika memang sesuai dengan pekerjaan Anda. Hindari daftar panjang pustaka dan jangan mencantumkan setiap arsitektur model yang pernah Anda coba tanpa menjelaskan tujuannya.

Gunakan proyek untuk melengkapi bukti pengalaman

Jika riwayat pekerjaan Anda belum banyak menunjukkan pengalaman deployment model, sertakan satu atau dua proyek relevan dengan tautan repositori atau demo, sumber data, pendekatan evaluasi, dan hasil yang Anda buat. Jelaskan keterbatasan data dan hindari membagikan kode rahasia, informasi pelanggan, atau klaim yang tidak dapat direproduksi. Proyek sebaiknya menambah bukti, bukan mengulang daftar keterampilan.

Semua contoh CV Sains Data & AI

Pertanyaan tentang posisi ini

Berapa panjang CV insinyur pembelajaran mesin?

Jika Anda memiliki pengalaman relevan selama beberapa tahun, dua halaman dapat digunakan selama setiap entri memberi bukti berguna tentang model, sistem data, atau tanggung jawab produksi. Tempatkan pekerjaan yang paling relevan di halaman pertama dan ringkas detail lama yang tidak mendukung posisi tersebut. CV satu halaman yang terfokus juga bisa efektif jika tetap mudah dibaca dan memberikan konteks yang cukup tentang hasil Anda.

Apakah Anda perlu menyertakan tautan portofolio atau GitHub?

Sertakan tautan jika isinya menunjukkan pekerjaan yang memperkuat lamaran Anda, seperti proyek yang dapat direproduksi, tulisan teknis, atau kontribusi publik. Cantumkan tautan di dekat informasi kontak atau di bagian proyek, dan pastikan repositori memiliki README yang jelas serta tidak memuat rahasia atau data terbatas. Jangan mengandalkan tautan sebagai pengganti penjelasan kontribusi Anda di CV.

Sertifikasi apa yang sebaiknya dicantumkan oleh insinyur pembelajaran mesin?

Tidak ada lisensi umum atau sertifikasi wajib di AS untuk insinyur pembelajaran mesin. Cantumkan sertifikasi jika relevan dengan pekerjaan, masih berlaku, dan diterbitkan penyedia yang dikenal, misalnya kredensial platform cloud. Cantumkan nama persis dan penerbitnya; jangan sertakan kredensial yang kedaluwarsa atau sertifikat kursus singkat yang hanya sedikit menambah bukti di luar keterampilan yang sudah Anda tunjukkan.

Bisakah Anda beralih dari ilmu data ke bidang rekayasa pembelajaran mesin?

Ya. Tonjolkan bukti pekerjaan rekayasa selain pengembangan model: pipeline data yang andal, kode yang teruji, API atau pekerjaan batch, deployment, pemantauan, serta kolaborasi dengan tim produk atau infrastruktur. Jelaskan peran Anda dengan tepat dan tunjukkan alat serta hasilnya. Jika pengalaman tersebut masih terbatas, tambahkan proyek terfokus yang menunjukkan proses lengkap dari persiapan data hingga evaluasi dan deployment.