Sains Data & AI · Menengah–Senior (4+ thn)

Resume Insinyur Computer Vision & NLP

Contoh ini menunjukkan cara menghubungkan computer vision dan model bahasa dengan peningkatan produk yang terukur, mulai dari pipeline gambar hingga klasifikasi teks. Resume yang kuat untuk posisi ini menjelaskan data, pilihan model, pekerjaan deployment, dan hasil evaluasi kepada tim rekayasa maupun riset terapan.

Pemeriksaan resume

Hal-hal yang dicari perekrut dan sistem pelacakan. Ini panduan, bukan prediksi.

100 / 100Lengkap

100%
  • Kontak20 / 20
  • Ringkasan20 / 20
  • Pengalaman30 / 30
  • Keterampilan20 / 20
  • Pendidikan10 / 10

Detail kontak

Letakkan detail ini di bagian atas; perekrut dan sistem pelacakan akan mencarinya terlebih dahulu.

Opsional. Di AS, Inggris, dan Kanada, resume biasanya tidak menyertakan foto.

51 kata

Satu pekerjaan per paragraf; mulai setiap pencapaian di baris baru dengan “-”.

11 keterampilan

Pisahkan keterampilan dengan koma, misalnya: Excel, SQL, perencanaan proyek.

Bagian lainnya

Proyek, sertifikasi, bahasa, atau hal lain yang mendukung lamaran Anda.

Proyek pilihan
Perangkat

Alex Morgan

Insinyur Computer Vision & NLP

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

Ringkasan

Insinyur Computer Vision & NLP dengan pengalaman 5 tahun membangun fitur ML produksi untuk platform logistik B2B. Memiliki keahlian dalam prapemrosesan gambar, fine-tuning transformer, dan evaluasi model, serta rekam jejak dalam meningkatkan ekstraksi dokumen dan alur kerja peninjauan kerusakan paket. Berpengalaman melakukan deployment layanan PyTorch dan memantau kualitas model setelah dirilis.

Pengalaman

Insinyur Computer Vision & NLP di Pineglass Parcel Technologies, Denver, CO (2023 – Sekarang) - Membangun pipeline deteksi kerusakan dengan PyTorch dan OpenCV untuk foto gudang, memproses sekitar 1.200 gambar per hari dan mengurangi volume peninjauan manual sebesar 18%. - Melakukan fine-tuning model klasifikasi token Hugging Face untuk ekstraksi dokumen pengiriman, meningkatkan F1 tingkat kolom dari 0,86 menjadi 0,91 pada set evaluasi yang disisihkan. - Melakukan deployment layanan inferensi berversi dengan Docker dan Kubernetes, memangkas waktu pemrosesan gambar median dari 1,8 detik menjadi 1,2 detik per gambar. Insinyur Machine Learning di Ridgeway Applied Language Labs, Boulder, CO (2021 – 2023) - Mengembangkan alur kerja OCR dan pengenalan entitas bernama untuk faktur menggunakan Tesseract dan BERT, mempersingkat rata-rata waktu triase pengecualian sebesar 22% di dua tim pelanggan. - Mengevaluasi model deteksi objek YOLO pada set data berlabel yang terdiri dari 14.000 gambar, menemukan kekurangan pada kamera dan pencahayaan yang meningkatkan recall sebesar 7 poin persentase.

Pendidikan

Bachelor of Science di bidang Ilmu Komputer — Aspen Vale Institute of Computing, Fort Collins, CO (2021)

Keterampilan

  • Computer vision
  • Pemrosesan bahasa alami
  • PyTorch
  • OpenCV
  • Hugging Face Transformers
  • Deteksi objek
  • OCR
  • Pengenalan entitas bernama
  • Evaluasi model
  • Docker
  • Kubernetes

Proyek pilihan

• Deteksi kerusakan paket: membandingkan varian model YOLO dan mendokumentasikan recall berdasarkan jenis kerusakan. • Ekstraksi dokumen pengiriman: membuat set evaluasi untuk OCR dan ekstraksi entitas dari berbagai jenis hasil pemindaian.

Perangkat

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

Cara menulis resume Insinyur Computer Vision & NLP

Awali dengan pekerjaan model yang sudah dirilis

Tempatkan posisi Anda saat ini dan pekerjaan produksi terkuat di bagian atas. Jelaskan tugas model, skala data atau lingkungan operasionalnya, serta perubahan setelah dirilis, seperti volume peninjauan, latensi, atau kualitas ekstraksi. Bedakan prototipe dari fitur yang digunakan pelanggan atau tim operasional; tim perekrutan perlu mengetahui apakah Anda pernah mendukung model di luar notebook.

Jelaskan cara Anda mengevaluasi model

Sebutkan metode evaluasi dan metrik yang sesuai dengan tugasnya: precision dan recall untuk deteksi, F1 untuk ekstraksi, atau latensi untuk layanan inferensi. Cantumkan ukuran atau sumber set data jika memungkinkan, dan jelaskan apakah hasilnya berasal dari set yang disisihkan atau pemantauan produksi. Hindari klaim tanpa bukti bahwa model akurat jika Anda tidak menyebutkan apa yang diukur.

Jelaskan teknologi yang Anda gunakan secara spesifik

Cantumkan framework, keluarga model, dan perangkat deployment yang pernah Anda gunakan langsung, seperti PyTorch, OpenCV, Hugging Face Transformers, Docker, atau Kubernetes. Hubungkan setiap perangkat dengan proyek atau pencapaian, alih-alih mencantumkan setiap paket yang pernah Anda coba. Sebutkan platform cloud atau basis data vektor hanya jika benar-benar Anda gunakan dalam pekerjaan dan relevan dengan lowongan.

Sertakan tautan portofolio yang terarah

Portofolio singkat dapat menampilkan proyek vision atau NLP yang bisa direproduksi, pendekatan evaluasi, dan penjelasan kompromi yang jelas. Sertakan tautan ke kode atau demo yang boleh Anda bagikan, lalu hapus data pelanggan, kredensial, dan detail model milik perusahaan. Pisahkan makalah akademis, tutorial, dan proyek sampingan dari pekerjaan produksi agar pembaca dapat memahami tingkat tanggung jawab Anda dengan cepat.

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

MembangunMelatihMelakukan deploymentMengurangiMeningkatkanMengotomatiskanMengevaluasi

Pertanyaan tentang posisi ini

Berapa panjang resume Insinyur Computer Vision & NLP?

Untuk pengalaman sekitar lima tahun, dua halaman biasanya wajar jika halaman kedua memuat detail proyek atau teknis yang relevan. Tempatkan pekerjaan produksi, evaluasi model, dan hasil deployment terkuat di halaman pertama. Tugas kuliah awal dan pekerjaan yang tidak terkait biasanya dapat diringkas atau dihapus, kecuali jika menunjukkan keterampilan yang relevan secara langsung.

Perlukah saya menyertakan tautan portofolio atau GitHub?

Sertakan tautan jika menampilkan pekerjaan relevan yang bersifat publik dan mudah ditinjau, seperti proyek yang bisa direproduksi, notebook evaluasi, atau tulisan teknis. Jelaskan tugas, sumber data, metrik, dan kontribusi Anda. Jangan mengunggah data pelanggan, kode milik pemberi kerja, atau materi yang tercakup dalam perjanjian kerahasiaan; deskripsi yang sudah disamarkan lebih aman untuk pekerjaan tersebut.

Sertifikasi apa yang sebaiknya saya cantumkan untuk posisi ini?

Posisi Insinyur Computer Vision & NLP umumnya tidak mensyaratkan lisensi atau sertifikasi profesional yang berlaku universal di Amerika Serikat. Cantumkan sertifikasi cloud atau machine learning yang relevan hanya jika sudah Anda peroleh; sebutkan penerbit dan tanggalnya jika berguna, lalu tempatkan di bawah pengalaman proyek yang substansial. Jangan menyebut penyelesaian kursus sebagai sertifikasi profesional.

Bisakah saya beralih ke posisi ini dari data science atau rekayasa perangkat lunak?

Bisa. Tekankan proyek yang menunjukkan bahwa Anda mampu membangun dan mengevaluasi model vision atau bahasa, menangani data nyata, serta mengintegrasikan inferensi ke dalam aplikasi. Jika Anda berlatar belakang data science, sertakan contoh deployment dan pemantauan; jika berlatar belakang rekayasa perangkat lunak, tunjukkan pelatihan model, metrik yang sesuai dengan tugas, dan penanganan set data. Tandai proyek pribadi atau akademis dengan jelas dan jelaskan kontribusi Anda sendiri.