Data science en AI · Medior-senior (4+ jaar)

Cv van Computer Vision & NLP Engineer

Dit voorbeeld laat zien hoe u computer vision en taalmodellen kunt koppelen aan meetbare productverbeteringen, van beeldpipelines tot tekstclassificatie. Een sterk cv voor deze functie maakt de data, modelkeuzes, implementatiewerkzaamheden en evaluatieresultaten helder voor zowel engineeringteams als toegepaste onderzoeksteams.

Profiel

Computer Vision & NLP Engineer met 5 jaar ervaring in het bouwen van ML-functies in productie voor een B2B-logistiekplatform. Sterke punten zijn onder meer beeldvoorbewerking, het finetunen van transformers en modelevaluatie, met een bewezen staat van dienst in het verbeteren van documentextractie en workflows voor de beoordeling van pakketschade. Ervaren in het uitrollen van PyTorch-services en het bewaken van de modelkwaliteit na de release.

Werkervaring

Computer Vision & NLP Engineer bij Pineglass Parcel Technologies (2023 - heden) - Bouwde een PyTorch- en OpenCV-schadedetectiepipeline voor magazijnfoto's, die circa 1.200 afbeeldingen per dag doorstuurt en het volume aan handmatige beoordeling met 18% verlaagde. - Finetunede een Hugging Face-model voor tokenclassificatie voor het extraheren van gegevens uit verzenddocumenten, waardoor de F1-score per veld steeg van 0,86 naar 0,91 op een achtergehouden evaluatieset. - Implementeerde inferenceservices met versiebeheer met Docker en Kubernetes, waardoor de mediane verwerkingstijd van afbeeldingen werd verkort van 1,8 seconden naar 1,2 seconden per afbeelding. Machine Learning Engineer bij Ridgeway Applied Language Labs (2021-2023) - Ontwikkelde OCR- en named entity recognition-workflows voor facturen met Tesseract en BERT, waardoor de gemiddelde triagetijd voor uitzonderingen met 22% werd verkort bij twee klantteams. - Evalueerde YOLO-objectdetectiemodellen op een gelabelde dataset van 14.000 afbeeldingen en signaleerde hiaten in camera- en lichtomstandigheden, waardoor de recall met 7 procentpunt verbeterde.

Opleiding

Bachelor Informatica - Aspen Vale Institute of Computing (2021)

Vaardigheden

Computer vision
Natuurlijke taalverwerking
PyTorch
OpenCV
Hugging Face Transformers
Objectdetectie
OCR
Named entity recognition
Modelevaluatie
Docker
Kubernetes

Geselecteerde projecten

• Schadedetectie bij pakketten: vergeleek YOLO-modelvarianten en documenteerde de recall per schadetype. • Extractie uit verzenddocumenten: stelde een evaluatieset samen voor OCR en entiteitenextractie op uiteenlopende scans.

Tools

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

Dit voorbeeld gebruiken

Open de cv-maker met dit cv voor Computer Vision & NLP 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

BouwdeTraindeImplementeerdeVerminderdeVerbeterdeAutomatiseerdeEvalueerde

Zo schrijft u een cv voor Computer Vision & NLP Engineer

Begin met modelwerk dat in productie draait

Plaats uw huidige functie en sterkste productiewerk bovenaan. Vermeld wat het model verwerkte, de dataschaal of operationele omgeving, en wat er veranderde na de release, zoals het beoordelingsvolume, de latentie of de extractiekwaliteit. Maak onderscheid tussen prototypes en functies die door klanten of operations worden gebruikt; selectieteams moeten zien of u modellen hebt ondersteund die verder gaan dan een notebook.

Laat zien hoe u modellen hebt geëvalueerd

Noem de evaluatiemethode en de metriek die bij de taak past: precisie en recall voor detectie, F1 voor extractie of latentie voor een inferenceservice. Geef de omvang of bron van de dataset indien mogelijk, en licht toe of de resultaten afkomstig waren van een achtergehouden set of van productiemonitoring. Vermijd niet-onderbouwde claims dat een model nauwkeurig is zonder te vermelden wat u hebt gemeten.

Maak uw stack specifiek

Noem de frameworks, modelfamilies en implementatietools die u zelf hebt gebruikt, zoals PyTorch, OpenCV, Hugging Face Transformers, Docker of Kubernetes. Koppel elke tool aan een project of prestatie in plaats van elk geprobeerd pakket op te sommen. Vermeld cloudplatforms of vectordatabases alleen wanneer deze deel uitmaakten van uw daadwerkelijke werk en relevant zijn voor de vacature.

Link naar een gericht portfolio

Een beknopt portfolio kan een reproduceerbaar computervisie- of NLP-project, een evaluatieaanpak en een heldere uitleg van afwegingen aantonen. Link naar code of een demo die u mag delen en verwijder klantgegevens, inloggegevens en bedrijfseigen details van modellen. Houd academische papers, tutorials en nevenprojecten gescheiden van productiewerk, zodat lezers snel uw niveau van verantwoordelijkheid begrijpen.

Alle cv-voorbeelden voor Data science en AI

Vragen over deze functie

Hoe lang moet het cv van een Computer Vision & NLP Engineer zijn?

Bij ongeveer vijf jaar ervaring zijn twee pagina's meestal redelijk als de tweede pagina relevante project- of technische details bevat. Plaats het sterkste productiewerk, de modelevaluatie en de implementatieresultaten op de eerste pagina. Eerdere cursussen en niet-gerelateerde banen kunnen doorgaans worden ingekort of weggelaten tenzij ze direct relevante vaardigheden aantonen.

Moet ik een portfolio- of GitHub-link toevoegen?

Voeg er een toe als deze relevant werk toont dat openbaar en eenvoudig te beoordelen is, zoals een reproduceerbaar project, evaluatienotebook of technische beschrijving. Licht de taak, brongegevens, metrieken en uw bijdrage toe. Upload geen klantgegevens, code van uw werkgever of materiaal dat onder geheimhoudingsovereenkomsten valt; een geanonimiseerde beschrijving is veiliger voor dat werk.

Welke certificeringen moet ik vermelden voor deze functie?

Functies als Computer Vision & NLP Engineer vereisen in de Verenigde Staten over het algemeen geen universele beroepslicentie of certificering. Vermeld een relevante cloud- of machine learning-certificering alleen als u deze hebt behaald, vermeld de uitgever en datum als dat nuttig is, en plaats deze onder aanzienlijke projectervaring. Presenteer het voltooien van een cursus niet als een professionele certificering.

Kan ik vanuit data science of software engineering overstappen naar deze functie?

Ja. Benadruk projecten waaruit blijkt dat u computervisie- of taalmodellen kunt bouwen en evalueren, met echte data kunt omgaan en inference kunt integreren in een applicatie. Voeg voor een achtergrond in data science voorbeelden toe van implementatie en monitoring; toon voor software engineering modeltraining, taakrelevante metrieken en gegevensverwerking. Label persoonlijke of academische projecten duidelijk en beschrijf uw individuele bijdrage.