알렉스 모건
컴퓨터 비전 및 NLP 엔지니어
- 알렉스.모건@이그잼플.컴
- +1 555 0100
- Denver, CO
요약
경력
학력
기술
- 컴퓨터 비전
- 자연어 처리
- PyTorch
- OpenCV
- Hugging Face Transformers
- 객체 탐지
- OCR
- 개체명 인식
- 모델 평가
- Docker
- Kubernetes
데이터 과학 및 AI · 중견·시니어 (4년 이상)
이 예시는 이미지 파이프라인부터 텍스트 분류까지, 컴퓨터 비전과 언어 모델을 측정 가능한 제품 개선으로 연결하는 방법을 보여줍니다. 이 직무에 적합한 이력서는 데이터, 모델 선택, 배포 업무, 평가 결과를 엔지니어링 팀과 응용 연구팀 모두가 명확히 이해할 수 있도록 설명합니다.
채용 담당자와 추적 시스템이 확인하는 항목을 안내합니다. 결과를 예측하는 기능은 아닙니다.
100 / 100완성도 높음
연락처를 상단에 입력하십시오. 채용 담당자와 추적 시스템이 먼저 확인하는 항목입니다.
선택 사항입니다. 미국, 영국, 캐나다에서는 보통 이력서에 사진을 넣지 않습니다.
직무마다 문단을 하나씩 작성하고 각 성과는 새 줄에 “-”를 붙여 시작하십시오.
예: Excel, SQL, 프로젝트 계획처럼 기술을 쉼표로 구분하십시오.
지원에 도움이 되는 프로젝트, 자격증, 언어 또는 기타 내용을 추가하십시오.
알렉스 모건
컴퓨터 비전 및 NLP 엔지니어
이력서나 프로필 텍스트를 붙여넣어 주세요. 작성 도구가 인식한 연락처 정보, 요약, 경력, 학력 및 기술을 입력합니다. 결과를 확인해 주세요.
현재 직무와 가장 강력한 프로덕션 업무를 앞부분에 배치하십시오. 모델이 처리한 작업, 데이터 규모나 운영 환경, 출시 후 달라진 점을 설명하십시오. 검토량, 지연 시간, 정보 추출 품질 등을 예로 들 수 있습니다. 프로토타입과 고객 또는 운영팀이 실제로 사용하는 기능을 구분해 적으십시오. 채용 담당자는 노트북에서 끝나지 않고 모델 운영까지 맡아 본 경험이 있는지 확인하려고 합니다.
작업에 맞는 평가 방법과 지표를 적으십시오. 탐지에는 정밀도와 재현율, 정보 추출에는 F1, 추론 서비스에는 지연 시간을 사용할 수 있습니다. 가능하면 데이터셋의 규모나 출처를 밝히고, 결과가 별도 평가 데이터셋에서 나온 것인지 프로덕션 모니터링 결과인지 설명하십시오. 무엇을 측정했는지 밝히지 않고 모델이 정확하다고 주장하지 마십시오.
PyTorch, OpenCV, Hugging Face Transformers, Docker, Kubernetes 등 직접 사용한 프레임워크, 모델 계열, 배포 도구를 적으십시오. 사용해 본 모든 패키지를 나열하는 대신 각 도구를 프로젝트나 성과와 연결하십시오. 클라우드 플랫폼이나 벡터 데이터베이스는 실제 업무에 사용했고 채용 공고와 관련이 있을 때만 언급하십시오.
간결한 포트폴리오로 재현 가능한 비전 또는 NLP 프로젝트, 평가 방법, 절충안에 대한 명확한 설명을 보여줄 수 있습니다. 공유 권한이 있는 코드나 데모를 링크하고 고객 데이터, 자격 증명, 독점 모델 정보는 삭제하십시오. 독자가 본인의 기여 범위를 빠르게 파악할 수 있도록 학술 논문, 튜토리얼, 개인 프로젝트를 프로덕션 업무와 구분하십시오.
이 직무에 자주 언급되는 기술과 도구입니다. 실제로 보유한 항목만 채용 공고에 나온 표현대로 사용하십시오. 항목을 클릭하면 복사됩니다.
경력이 약 5년이라면 두 번째 페이지에 관련 프로젝트나 기술 세부 정보가 담기는 경우 2페이지가 적당합니다. 가장 강력한 프로덕션 업무, 모델 평가, 배포 성과를 첫 페이지에 두십시오. 초기 수업이나 관련 없는 직무는 직접 관련된 역량을 보여주는 경우가 아니라면 대체로 줄이거나 제외할 수 있습니다.
재현 가능한 프로젝트, 평가 노트북, 기술 문서처럼 공개되어 있고 검토하기 쉬운 관련 업무를 보여준다면 링크를 넣으십시오. 작업, 데이터 출처, 지표, 본인의 기여를 설명하십시오. 고객 데이터, 고용주의 코드 또는 기밀 유지 계약이 적용되는 자료를 올리지 마십시오. 그런 업무는 민감한 정보를 제거해 설명하는 편이 안전합니다.
미국에서는 컴퓨터 비전 및 NLP 엔지니어 직무에 공통으로 요구되는 전문 면허나 자격증이 일반적으로 없습니다. 취득한 클라우드 또는 머신러닝 자격증 중 관련성이 있는 것만 기재하고, 도움이 된다면 발급 기관과 취득 날짜를 적으십시오. 자격증은 충분한 프로젝트 경험보다 앞세우지 마십시오. 교육 과정을 수료한 사실을 전문 자격증처럼 표시하지 마십시오.
가능합니다. 비전 또는 언어 모델을 구축하고 평가한 경험, 실제 데이터를 다룬 경험, 추론 기능을 애플리케이션에 통합한 경험을 보여주는 프로젝트를 강조하십시오. 데이터 과학 경력이 있다면 배포와 모니터링 사례를 추가하고, 소프트웨어 엔지니어링 경력이 있다면 모델 학습, 작업에 맞는 지표, 데이터셋 처리 경험을 보여주십시오. 개인 또는 학술 프로젝트는 명확하게 표시하고 본인의 기여를 설명하십시오.