Datu zinātne un MI · Vecākais līmenis (6+ gadi)

Mašīnmācīšanās inženiera CV

Šis paraugs rāda, kā inženieris pilnveido ranžēšanas un prognozēšanas modeļus — no eksperimentiem līdz uzraudzītām ražošanas vidē ieviestām versijām. Spēcīgs CV sasaista modeļu izvēli, darbu ar datiem un izvietošanu ar izmērāmām izmaiņām aizkavē, atbilstībā, izmaksās vai darba procesos, vienlaikus skaidri norādot izmantotos rīkus un mērogu.

CV pārbaude

Ko meklē personāla atlases speciālisti un uzskaites sistēmas. Šis ir ceļvedis, nevis prognoze.

100 / 100Pilnīgs

100%

Kontaktinformācija20 / 20
Kopsavilkums20 / 20
Darba pieredze30 / 30
Prasmes20 / 20
Izglītība10 / 10

Kontaktinformācija

Norādiet šo informāciju CV augšdaļā; personāla atlases speciālisti un uzskaites sistēmas to meklē vispirms.

Vārds, uzvārds

Amata nosaukums

E-pasts

Tālrunis

Atrašanās vieta

Tīmekļa vietne vai LinkedIn

Pievienot fotoattēlu

Neobligāti. ASV, Apvienotajā Karalistē un Kanādā CV parasti neiekļauj fotoattēlu.

Kopsavilkums42 vārdi

Darba pieredze

Mašīnmācīšanās inženieris uzņēmumā Summitline Analytics, Bouldera, CO (2019 – 2022)
- Apmācīju pieprasījuma prognozēšanas modeļus ar scikit-learn, izmantojot trīs gadu pārdošanas datus, un samazināju vidējo absolūto kļūdu par 9% salīdzinājumā ar iepriekšējo sezonālo bāzes modeli.
- Izveidoju atkārtoti lietojamus Python un SQL pazīmju cauruļvadus piecām klientu izvietošanām, saīsinot modeļu atjaunošanas sagatavošanu no divām dienām līdz aptuveni vienai dienai.

Katru darbavietu rakstiet atsevišķā rindkopā; katru sasniegumu sāciet jaunā rindā ar “-”.

Izglītība

Prasmes10 prasmju

Atdaliet prasmes ar komatiem, piemēram: Excel, SQL, projektu plānošana.

Papildu sadaļas

Projekti, sertifikāti, valodas vai cita informācija, kas palīdz jūsu pieteikumam.

Kopsavilkums

Mašīnmācīšanās inženieris ar 7 gadu pieredzi ranžēšanas un prognozēšanas sistēmu izstrādē B2B tirdzniecības produktiem. Apvieno Python un PyTorch modeļu izstrādi, pazīmju cauruļvadu veidošanu un izvietošanu Kubernetes vidē ar rūpīgu novērtēšanu bezsaistē un tiešsaistē; ieviesti pakalpojumi, kas apstrādā 2 miljonus ieteikumu pieprasījumu dienā.

Darba pieredze

Mašīnmācīšanās inženieris II uzņēmumā Cedarpath Commerce, Denvera, CO (2022 – pašlaik) - Izveidoju ranžēšanas modeli PyTorch vidē, izmantojot sesiju un kataloga pazīmes; kontrolētā testā ar 1,2 miljoniem sesiju pievienošanas grozam rādītājs pieauga par 6%. - Izvietoju ieteikumu pakalpojumus Kubernetes vidē un pievienoju pakešu vērtēšanu ar MLflow izsekošanu, samazinot p95 atbildes laiku no 180 ms līdz 125 ms. - Automatizēju 14 ražošanas pazīmju validāciju un noviržu brīdinājumus, palīdzot komandai izmeklēt datu problēmas pirms iknedēļas modeļu laidieniem. Mašīnmācīšanās inženieris uzņēmumā Summitline Analytics, Bouldera, CO (2019 – 2022) - Apmācīju pieprasījuma prognozēšanas modeļus ar scikit-learn, izmantojot trīs gadu pārdošanas datus, un samazināju vidējo absolūto kļūdu par 9% salīdzinājumā ar iepriekšējo sezonālo bāzes modeli. - Izveidoju atkārtoti lietojamus Python un SQL pazīmju cauruļvadus piecām klientu izvietošanām, saīsinot modeļu atjaunošanas sagatavošanu no divām dienām līdz aptuveni vienai dienai.

Izglītība

Dabaszinātņu bakalaura grāds datorzinātnēs — Juniper Ridge University, Grand Junction, CO (2018)

Prasmes

Python
SQL
PyTorch
scikit-learn
pazīmju inženierija
modeļu novērtēšana
Kubernetes
MLflow
Docker
A/B testēšana

Rīki

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

Atlasīts projekts

• Izstrādāju izgūšanas un atkārtotas ranžēšanas prototipu produktu meklēšanai, izmantojot teikumu iegultņus un PyTorch • Salīdzināju atbilstību un aizkavi ar 8 000 vaicājumu marķētu kopu • Dokumentēju novērtēšanas rezultātus un izvietošanas kompromisus

Kā rakstīt Mašīnmācīšanās inženieris CV

Parādiet modeļa ietekmi plašāk par rādītājiem

Vispirms miniet produkta vai darbības rezultātu, pēc tam nosauciet modeli un novērtēšanas metodi. Piemēram, sasaistiet izmaiņas ranžēšanā ar konversiju vai meklēšanas atbilstību un norādiet, vai rezultāts iegūts tiešsaistes testā vai bezsaistes etalonā. Ja tas ir noderīgi, iekļaujiet bāzes rādītāju, mērogu un laikposmu; bez konteksta rādītāju ir grūti interpretēt.

Skaidri parādiet atbildību par produkcijas vidi

Aprakstiet, par ko bijāt atbildīgs pēc apmācības: pazīmju cauruļvadiem, apkalpošanu, uzraudzību, atkārtotu apmācību, atgriešanu iepriekšējā versijā vai dežūras laikā veiktu izmeklēšanu. Nosauciet izvietošanas vidi un miniet konkrētu rādītāju, piemēram, p95 aizkavi, atjaunošanas laiku, mākoņpakalpojumu izmaksas vai pieprasījumu apjomu. Neradiet iespaidu, ka modelis bija gatavs produkcijas videi, ja tas darbojās tikai piezīmju grāmatiņā vai ierobežotā izmēģinājumā.

Norādiet rīkus ar noderīgu kontekstu

Uzskaitiet valodas, ietvarus, mākoņpakalpojumus un izvietošanas rīkus, par kuriem varat runāt darba intervijā, un pēc tam CV pieredzes aprakstā parādiet, kur tos izmantojāt. Izmantojiet sludinājuma formulējumus, ja tie precīzi raksturo jūsu darbu. Neiekļaujiet garus bibliotēku sarakstus un nenosauciet katru izmēģināto modeļa arhitektūru, nepaskaidrojot tās mērķi.

Izmantojiet projektus, lai papildinātu trūkstošos pierādījumus

Ja darba pieredzē ir maz modeļu izvietošanas piemēru, iekļaujiet vienu vai divus atbilstošus projektus ar repozitorija vai demonstrācijas saiti, datu avotu, novērtēšanas pieeju un aprakstu par paveikto. Paskaidrojiet datu ierobežojumus un neizpaudiet konfidenciālu kodu, klientu informāciju vai apgalvojumus, ko nevar pārbaudīt. Projektam jāpapildina pierādījumi par prasmēm, nevis jāatkārto to saraksts.

Bieži lietoti atslēgvārdi

Šajā profesijā bieži norādītas prasmes un rīki. Izmantojiet tikai tos, kas jums piemīt, un tādus vārdus, kādi lietoti darba sludinājumā. Noklikšķiniet uz atslēgvārda, lai to kopētu.

Darbības vārdi

IzveidojuIzvietojuSamazinājuUzlabojavuAutomatizējuNovērtējuOptimizēju

Jautājumi par šo profesiju

Cik garam jābūt mašīnmācīšanās inženiera CV?

Ja jums ir vairāku gadu atbilstoša pieredze, divas lapas ir piemērotas, ja katrs ieraksts sniedz noderīgus pierādījumus par modeļiem, datu sistēmām vai atbildību par produkcijas vidi. Pirmajā lapā iekļaujiet visatbilstošāko darbu un saīsiniet vecāku informāciju, kas nepalīdz pamatot atbilstību amatam. Arī koncentrēts vienas lapas CV var būt iedarbīgs, ja tas ir viegli lasāms un rezultātiem sniegts pietiekams konteksts.

Vai CV iekļaut saiti uz portfolio vai GitHub?

Iekļaujiet saiti, ja tajā redzamais darbs stiprina jūsu pieteikumu, piemēram, reproducējams projekts, tehnisks apraksts vai publisks ieguldījums. Ievietojiet saiti pie kontaktinformācijas vai projektu sadaļā un pārliecinieties, ka repozitorijā ir saprotams README fails un nav noslēpumu vai ierobežotas pieejamības datu. Neizmantojiet saiti kā aizstājēju sava ieguldījuma aprakstam CV.

Kādi sertifikāti jānorāda mašīnmācīšanās inženierim?

ASV mašīnmācīšanās inženieriem nav vispārējas licences vai obligāta sertifikāta. Norādiet sertifikātu, ja tas ir aktuāls, atbilst darbam un to izsniedz atpazīstams pakalpojumu sniedzējs, piemēram, mākoņplatformas sertifikāts. Iekļaujiet precīzu nosaukumu un izdevēju; neiekļaujiet sertifikātus, kuru derīguma termiņš beidzies, vai īsu kursu apliecinājumus, kas maz papildina jūsu prasmju pierādījumus.

Vai varu pāriet uz mašīnmācīšanās inženiera darbu no datu zinātnes?

Jā. Līdzās modeļu izstrādei uzsveriet pierādījumus par inženiertehnisko darbu: uzticamus datu cauruļvadus, testētu kodu, API vai pakešu uzdevumus, izvietošanu, uzraudzību un sadarbību ar produktu vai infrastruktūras komandām. Precīzi aprakstiet savu lomu un parādiet izmantotos rīkus un rezultātus. Ja šādas pieredzes ir maz, pievienojiet mērķtiecīgu projektu, kas parāda pilnu procesu no datu sagatavošanas līdz novērtēšanai un izvietošanai.