데이터 과학 및 AI · 중견·시니어 (4년 이상)

컴퓨터 비전 및 NLP 엔지니어 이력서

이 예시는 이미지 처리부터 텍스트 분류까지 컴퓨터 비전과 언어 모델을 실제 제품 개선에 활용한 경력을 보여줍니다. 이력서에는 데이터와 모델 선택, 운영 환경 배포, 평가 결과를 엔지니어링 팀과 응용 연구팀이 쉽게 파악할 수 있도록 구체적으로 적으세요.

김민준

컴퓨터 비전 및 NLP 엔지니어

  • minjun.kim@example.com
  • +82 2 1234 5678
  • 서울특별시

요약

B2B 물류 플랫폼의 머신러닝 기능을 5년간 개발한 컴퓨터 비전·NLP 엔지니어입니다. 이미지 전처리와 트랜스포머 미세 조정, 모델 평가에 능숙하며 문서 정보 추출과 화물 손상 검토 절차를 개선했습니다. PyTorch 서비스를 배포하고 배포 후 모델 품질을 모니터링한 경험이 있습니다.

경력

Pineglass Parcel Technologies | 컴퓨터 비전·NLP 엔지니어 (2023년 - 현재) - 창고 사진의 손상 탐지를 위한 PyTorch·OpenCV 파이프라인을 구축해 하루 약 1,200장의 이미지를 처리하고 수작업 검토량을 18% 줄였습니다. - 선적 서류 정보 추출용 Hugging Face 토큰 분류 모델을 미세 조정해 별도 평가 데이터셋에서 필드 단위 F1 점수를 0.86에서 0.91로 높였습니다. - Docker·Kubernetes로 버전을 관리하는 추론 서비스를 배포해 이미지 한 장당 처리 시간을 중앙값 1.8초에서 1.2초로 줄였습니다. Ridgeway Applied Language Labs | 머신러닝 엔지니어 (2021년 - 2023년) - Tesseract·BERT를 활용해 송장 OCR과 개체명 인식 절차를 개발하고, 고객 팀 2곳의 예외 사례 검토 시간을 평균 22% 줄였습니다. - 레이블이 있는 이미지 14,000장으로 YOLO 객체 탐지 모델을 평가하고 카메라·조명 조건의 문제를 파악해 재현율을 7%포인트 높였습니다.

학력

Aspen Vale Institute of Computing | 컴퓨터과학 학사 (2021년)

역량

  • 컴퓨터 비전
  • 자연어 처리
  • PyTorch
  • OpenCV
  • Hugging Face Transformers
  • 객체 탐지
  • OCR
  • 개체명 인식
  • 모델 평가
  • Docker
  • Kubernetes

주요 프로젝트

• 화물 손상 탐지: YOLO 모델 변형을 비교하고 손상 유형별 재현율을 기록했습니다. • 선적 서류 정보 추출: 다양한 스캔 이미지에서 OCR·개체 추출을 평가할 데이터셋을 만들었습니다.

도구

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

이 예시 사용하기

이 컴퓨터 비전 및 NLP 엔지니어 이력서 예시로 작성 도구를 연 다음, 예시 내용을 본인의 정보로 바꾸세요.

빈 이력서로 시작하기

자주 쓰이는 키워드

이 직무에 자주 쓰이는 기술과 도구입니다. 실제로 보유한 항목만 채용 공고의 표현에 맞춰 사용하세요. 항목을 클릭하면 복사됩니다.

이력서에 쓰는 동사

구축했습니다학습시켰습니다배포했습니다줄였습니다개선했습니다자동화했습니다평가했습니다

컴퓨터 비전 및 NLP 엔지니어 이력서 작성 방법

실제 출시한 모델 업무를 앞세우십시오

현재 직무와 실제 운영 환경에 배포한 주요 모델 업무를 앞부분에 적으세요. 모델의 역할과 데이터 규모·운영 환경, 배포 후 달라진 점을 설명하면 좋습니다. 검토량, 응답 시간, 정보 추출 품질 등이 성과가 될 수 있습니다. 시제품과 고객이나 운영 팀이 실제 사용하는 기능을 구분하세요. 채용 팀은 모델을 실험용 노트북 밖에서 운영한 경험이 있는지 확인합니다.

모델 평가 방법을 보여주십시오

작업에 맞는 평가 방법과 지표를 적으세요. 객체 탐지에는 정밀도·재현율, 정보 추출에는 F1 점수, 추론 서비스에는 응답 시간을 활용할 수 있습니다. 가능하면 데이터셋의 규모나 출처를 밝히고, 결과가 별도 평가 데이터에서 나왔는지 운영 환경 모니터링에서 나왔는지 설명하세요. 측정 항목을 밝히지 않은 채 모델이 정확하다고 주장하지 마세요.

사용한 기술을 구체적으로 적으십시오

PyTorch, OpenCV, Hugging Face Transformers, Docker, Kubernetes 등 직접 사용한 프레임워크와 모델, 배포 도구를 적으세요. 사용해 본 패키지를 모두 나열하기보다 각 도구를 실제 프로젝트나 성과와 연결하세요. 클라우드 플랫폼이나 벡터 데이터베이스는 업무에서 사용했고 채용 공고와 관련 있을 때만 언급하세요.

핵심을 담은 포트폴리오를 링크하십시오

재현 가능한 컴퓨터 비전·NLP 프로젝트와 평가 방식, 선택의 근거를 간결한 포트폴리오로 보여줄 수 있습니다. 공유 권한이 있는 코드나 데모만 연결하고 고객 데이터, 인증 정보, 독점 모델 세부 사항은 삭제하세요. 본인의 기여를 쉽게 파악할 수 있도록 학술 논문, 튜토리얼, 개인 프로젝트와 운영 환경 업무를 구분하세요.

모든 데이터 과학 및 AI 이력서 예시

이 직무에 관한 질문

컴퓨터 비전·NLP 엔지니어 이력서는 몇 페이지가 적당한가요?

경력이 약 5년이라면 관련 프로젝트나 기술 경험을 충분히 설명하는 경우 두 페이지도 괜찮습니다. 주요 운영 환경 업무와 모델 평가, 배포 성과를 첫 페이지에 배치하세요. 초기 수업이나 관련 없는 경력은 직접 관련 기술을 보여주지 않는다면 줄이거나 빼도 됩니다.

포트폴리오나 GitHub 링크를 넣어야 합니까?

재현 가능한 프로젝트, 평가 노트북, 기술 문서처럼 공개되어 있고 검토하기 쉬운 관련 작업을 보여주는 경우 링크를 추가하세요. 작업 내용과 데이터 출처, 지표, 본인의 기여를 설명하세요. 고객 데이터나 회사 코드, 기밀 유지 계약이 적용되는 자료는 올리지 마세요. 그런 경험은 민감 정보를 제거해 설명할 수 있습니다.

이 직무에는 어떤 자격증을 기재해야 합니까?

미국의 컴퓨터 비전·NLP 엔지니어 직무에는 공통으로 요구되는 전문 면허나 자격증이 없습니다. 취득한 자격 중 클라우드나 머신러닝 관련 경력에 도움이 되는 것만 적고, 필요하면 발급 기관과 취득일을 표시하세요. 자격보다 실질적인 프로젝트 경험을 먼저 보여주고, 교육 과정 수료를 전문 자격처럼 표현하지 마세요.

데이터 과학이나 소프트웨어 개발에서 이 직무로 옮길 수 있나요?

가능합니다. 비전·언어 모델 구축 및 평가, 실제 데이터 처리, 애플리케이션에 추론 기능을 연동한 경험을 보여주는 프로젝트를 강조하세요. 데이터 과학 경력이 있다면 배포·모니터링 사례를, 소프트웨어 개발 경력이 있다면 모델 학습과 적절한 평가 지표, 데이터셋 처리 경험을 제시하세요. 개인·학술 프로젝트는 분명히 표시하고 본인의 기여를 설명하세요.