Data science en AI · Senior (6+ jaar)

Cv van Machine Learning Engineer

Dit voorbeeld toont een engineer die ranking- en voorspellingsmodellen verbetert, van experimenten tot gemonitorde productiereleases. Een sterk cv koppelt modelkeuzes, data- en implementatiewerk aan meetbare veranderingen in latentie, relevantie, kosten of bedrijfsworkflows, terwijl de tools en schaal duidelijk worden gemaakt.

Profiel

Machine learning engineer met 7 jaar ervaring in het bouwen van ranking- en voorspellingssystemen voor B2B-commercieproducten. Combineert Python- en PyTorch-modelontwikkeling, ontwerp van featurepipelines en Kubernetes-implementaties met zorgvuldige offline en online evaluatie; heeft services opgeleverd die 2 miljoen aanbevelingsaanvragen per dag verwerken.

Werkervaring

Machine Learning Engineer II bij Cedarpath Commerce (2022 - heden) - Bouwde een PyTorch-rangschikkingsmodel met sessie- en catalogusfeatures, waardoor het percentage toevoegingen aan de winkelmand met 6% steeg in een gecontroleerde test in 1,2 miljoen sessies. - Implementeerde aanbevelingsservices op Kubernetes en voegde batchscoring toe met MLflow-tracking, waardoor de p95-responstijd daalde van 180 ms naar 125 ms. - Automatiseerde featurevalidatie en driftmeldingen voor 14 productiefeatures, waardoor het team dataproblemen kon onderzoeken vóór wekelijkse modelreleases. Machine Learning Engineer bij Summitline Analytics (2019-2022) - Trainde scikit-learn-modellen voor vraagvoorspelling op basis van drie jaar aan verkoopgegevens, waardoor de gemiddelde absolute fout met 9% afnam ten opzichte van de bestaande seizoensgebonden baseline. - Bouwde herbruikbare Python- en SQL-featurepipelines voor vijf klantimplementaties, waardoor de voorbereiding voor het vernieuwen van modellen werd teruggebracht van twee dagen tot ongeveer één dag.

Opleiding

Bachelor Informatica - Juniper Ridge University (2018)

Vaardigheden

Python
SQL
PyTorch
scikit-learn
feature engineering
modelevaluatie
Kubernetes
MLflow
Docker
A/B-testen

Tools

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

Uitgelicht project

• Ontwikkelde een prototype voor retrieval en reranking bij productzoekopdrachten met sentence embeddings en PyTorch • Vergeleek de relevantie en latentie op een gelabelde set van 8.000 zoekopdrachten • Documenteerde de evaluatieresultaten en afwegingen bij de implementatie

Dit voorbeeld gebruiken

Open de cv-maker met dit cv voor Machine Learning Engineer en vervang het voorbeeld door uw eigen gegevens.

Beginnen met een leeg cv

Veelgebruikte trefwoorden

Vaardigheden en tools die vaak worden gevraagd voor deze functie. Gebruik alleen de vaardigheden die u beheerst, in de formulering van de vacature. Klik op een trefwoord om dit te kopiëren.

Actiewerkwoorden

BouwdeImplementeerdeVerminderdeVerbeterdeAutomatiseerdeEvalueerdeOptimaliseerde

Zo schrijft u een cv voor Machine Learning Engineer

Laat de impact van het model zien, voorbij de statistieken

Begin met het product- of operationele resultaat en noem pas daarna het model en de evaluatiemethode. Koppel een wijziging in de rangschikking bijvoorbeeld aan conversie of zoekrelevantie en geef aan of het resultaat afkomstig is van een online test of een offline benchmark. Vermeld de baseline, schaal en tijdsperiode wanneer dat nuttig is; een metriek zonder context is moeilijk te duiden.

Maak duidelijk waarvoor u in productie verantwoordelijk was

Beschrijf waarvoor u na de training verantwoordelijk was: featurepipelines, modelbediening, monitoring, het opnieuw trainen van modellen, terugdraaien van wijzigingen of storingsonderzoek. Noem de implementatieomgeving en geef een concrete maatstaf, zoals p95-latentie, verversingstijd, cloudkosten of aantal requests. Zeg niet dat een model klaar was voor productie als het alleen in een notebook of beperkte pilot heeft gedraaid.

Noem tools met nuttige context

Noem de talen, frameworks, cloudservices en implementatietools die u tijdens een sollicitatiegesprek kunt bespreken en laat in de bullets bij uw werkervaring zien waar u ze hebt gebruikt. Stem de formulering af op de vacature als deze uw werk nauwkeurig beschrijft. Sla lange lijsten met bibliotheken over en vermeld niet elke modelarchitectuur die u hebt geprobeerd zonder het doel ervan uit te leggen.

Gebruik projecten om hiaten in uw bewijs op te vullen

Als uw werkverleden weinig werk op het gebied van modelimplementatie laat zien, voeg dan een of twee relevante projecten toe met een repository- of demolink, gegevensbron, evaluatieaanpak en wat u hebt gebouwd. Leg de beperkingen van de data uit en deel geen vertrouwelijke code, klantinformatie of claims die niet kunnen worden gereproduceerd. Een project moet bewijs toevoegen en niet de lijst met vaardigheden herhalen.

Alle cv-voorbeelden voor Data science en AI

Vragen over deze functie

Hoe lang moet het cv van een machine learning engineer zijn?

Bij verschillende jaren relevante ervaring kunnen twee pagina's werken wanneer elke vermelding nuttig bewijs toevoegt over modellen, datasystemen of eigenaarschap in productie. Houd het meest relevante werk op pagina één en kort oudere details in die de functie niet ondersteunen. Een gericht cv van één pagina kan ook effectief zijn als het leesbaar blijft en voldoende context biedt voor uw resultaten.

Moet ik een portfolio of GitHub-link toevoegen?

Voeg er een toe als deze werk laat zien dat uw sollicitatie versterkt, zoals een reproduceerbaar project, technisch artikel of openbare bijdrage. Plaats de link bij uw contactgegevens of in een projectensectie en zorg ervoor dat de repository een duidelijke README heeft zonder geheime sleutels of afgeschermde gegevens. Vertrouw niet op een link in plaats van het uitleggen van uw bijdrage op het cv.

Welke certificeringen moet een machine learning engineer vermelden?

Er is geen algemene licentie of vereiste certificering voor machine learning engineers in de Verenigde Staten. Vermeld een certificering wanneer deze relevant is voor de functie, actueel is en is uitgegeven door een herkenbare aanbieder, zoals een certificering van een cloudplatform. Vermeld de exacte naam en de uitgever; laat verlopen certificaten of certificaten van korte cursussen weg die weinig toevoegen naast uw aangetoonde vaardigheden.

Kan ik vanuit data science overstappen naar machine learning engineering?

Ja. Benadruk bewijs van engineeringwerk naast modelontwikkeling: betrouwbare datapipelines, geteste code, API's of batchtaken, implementatie, monitoring en samenwerking met product- of infrastructuurteams. Beschrijf uw rol precies en toon de tools en resultaten. Als die ervaring beperkt is, voeg dan een gericht project toe dat een volledig pad van datavoorbereiding tot evaluatie en implementatie aantoont.