Datavitenskap og AI · Senior (6+ år)

CV for maskinlæringsingeniør

Dette eksempelet viser en ingeniør som forbedrer rangerings- og prognosemodeller fra eksperimentering til overvåkede produksjonssettinger. En god CV knytter modellvalg, data- og utrullingsarbeid til målbare endringer i responstid, relevans, kostnader eller arbeidsflyt, samtidig som verktøyene og omfanget kommer tydelig fram.

CV-sjekk

Dette ser rekrutterere og søkersporingssystemer etter. En veiledning, ikke en prognose.

100 / 100Fullstendig

100%
  • Kontakt20 / 20
  • Sammendrag20 / 20
  • Erfaring30 / 30
  • Ferdigheter20 / 20
  • Utdanning10 / 10

Kontaktinformasjon

Plasser disse opplysningene øverst; rekrutterere og søkersporingssystemer ser etter dem først.

Valgfritt. I USA, Storbritannia og Canada har CV-er vanligvis ikke bilde.

46 ord

Én jobb per avsnitt; start hver prestasjon på en ny linje med «-».

10 ferdigheter

Skill ferdighetene med komma, for eksempel: Excel, SQL, prosjektplanlegging.

Flere seksjoner

Prosjekter, sertifiseringer, språk eller annet som støtter søknaden din.

Verktøy
Utvalgt prosjekt

Alex Morgan

Maskinlæringsingeniør

  • alex.morgan@example.com
  • +1 555 0100
  • Denver, CO

Sammendrag

Maskinlæringsingeniør med 7 års erfaring med å bygge rangerings- og prognosesystemer for B2B-handelsprodukter. Kombinerer modellutvikling i Python og PyTorch, utforming av feature-pipelines og utrulling på Kubernetes med grundig evaluering offline og online. Har satt i drift tjenester som håndterer 2 millioner anbefalingsforespørsler per dag.

Erfaring

Maskinlæringsingeniør II hos Cedarpath Commerce, Denver, CO (2022 – nå) - Bygde en rangeringsmodell i PyTorch med øktdata og katalogdata, noe som økte andelen som la varer i handlekurven med 6 % i en kontrollert test med 1,2 millioner økter. - Satte anbefalingstjenester i drift på Kubernetes og la til batchscoring med sporing i MLflow, noe som reduserte p95-responstiden fra 180 ms til 125 ms. - Automatiserte validering av features og varsler om dataforskyvning for 14 produksjonsfeatures, slik at teamet kunne undersøke dataproblemer før ukentlige modellutrullinger. Maskinlæringsingeniør hos Summitline Analytics, Boulder, CO (2019 – 2022) - Trente etterspørselsprognosemodeller i scikit-learn på tre års salgsdata, noe som reduserte gjennomsnittlig absolutt feil med 9 % sammenlignet med den eksisterende sesongbaserte referansemodellen. - Bygde gjenbrukbare feature-pipelines i Python og SQL for fem kundeutrullinger, og reduserte forberedelsestiden for modelloppdateringer fra to dager til omtrent én dag.

Utdanning

Bachelorgrad i informatikk — Juniper Ridge University, Grand Junction, CO (2018)

Ferdigheter

  • Python
  • SQL
  • PyTorch
  • scikit-learn
  • feature engineering
  • modelevaluering
  • Kubernetes
  • MLflow
  • Docker
  • A/B-testing

Verktøy

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

Utvalgt prosjekt

• Utviklet en prototype for henting og omrangering i produktsøk ved hjelp av setningsembeddinger og PyTorch • Sammenlignet relevans og responstid på et merket datasett med 8 000 søk • Dokumenterte evalueringsresultater og avveininger ved utrulling

Slik skriver du en CV for Maskinlæringsingeniør

Vis hvordan modellen påvirket mer enn måltallene

Begynn med resultatet for produktet eller driften, og nevn deretter modellen og evalueringsmetoden. Knytt for eksempel en endring i rangeringen til konvertering eller søkeresultatenes relevans, og si om resultatet kom fra en online-test eller en offline-referanse. Ta med utgangspunkt, omfang og tidsperiode når det er nyttig. Et måltall uten kontekst er vanskelig å tolke.

Vis tydelig hvilket produksjonsansvar du hadde

Beskriv hva du hadde ansvar for etter treningen: feature-pipelines, modellservering, overvåking, ny trening, tilbakeføring eller undersøkelser på vakt. Nevn utrullingsmiljøet og et konkret mål, som p95-responstid, oppdateringstid, skyutgifter eller forespørselsvolum. Ikke gi inntrykk av at en modell var klar for produksjon hvis den bare ble kjørt i en notatbok eller en begrenset pilot.

Nevn verktøyene med relevant kontekst

List opp språk, rammeverk, skytjenester og utrullingsverktøy du kan snakke om i et intervju, og vis deretter hvor du brukte dem i punktene om erfaringen din. Bruk formuleringene fra stillingsannonsen når de beskriver arbeidet ditt riktig. Unngå lange lister med biblioteker og å ramse opp alle modellarkitekturer du har prøvd uten å forklare hva de skulle brukes til.

Bruk prosjekter til å vise det erfaringen din ikke dekker

Hvis du har lite erfaring med modellutrulling i jobbsammenheng, kan du ta med ett eller to relevante prosjekter med lenke til et kodearkiv eller en demo, datakilde, evalueringsmetode og beskrivelse av hva du bygde. Forklar begrensninger ved dataene, og ikke del konfidensiell kode, kundeinformasjon eller påstander som ikke kan etterprøves. Et prosjekt skal gi nye bevis på hva du kan, ikke gjenta ferdighetslisten.

Vanlige nøkkelord

Ferdigheter og verktøy som ofte står oppført for denne rollen. Bruk bare dem du har, og skriv dem slik de står i stillingsannonsen. Klikk på et nøkkelord for å kopiere det.

Handlingsverb

BygdeTok i brukReduserteForbedretAutomatiserteEvaluerteOptimaliserte

Spørsmål om denne rollen

Hvor lang bør en CV for en maskinlæringsingeniør være?

Har du flere års relevant erfaring, kan to sider fungere når hver oppføring viser noe nyttig om modeller, datasystemer eller produksjonsansvar. Ha den mest relevante erfaringen på første side, og kort ned eldre detaljer som ikke støtter søknaden. En konsis CV på én side kan også fungere godt hvis den er lett å lese og gir nok kontekst til resultatene dine.

Bør jeg ta med en portefølje- eller GitHub-lenke?

Ta med en lenke hvis den viser arbeid som styrker søknaden din, for eksempel et prosjekt som kan gjenskapes, en teknisk artikkel eller et offentlig bidrag. Plasser lenken ved kontaktinformasjonen eller i en prosjektseksjon, og sørg for at kodearkivet har en tydelig README og ikke inneholder hemmeligheter eller tilgangsbegrensede data. Ikke bruk lenken som erstatning for å forklare bidraget ditt i CV-en.

Hvilke sertifiseringer bør en maskinlæringsingeniør ta med?

Det finnes ingen generell amerikansk autorisasjon eller påkrevd sertifisering for maskinlæringsingeniører. Ta med en sertifisering når den er relevant for jobben, oppdatert og utstedt av en kjent aktør, for eksempel en sertifisering fra en skyplattform. Oppgi det nøyaktige navnet og utstederen, og utelat utløpte sertifiseringer eller korte kursbevis som tilfører lite utover ferdighetene du allerede har vist.

Kan jeg gå over til maskinlæringsingeniør fra datavitenskap?

Ja. Fremhev teknisk utviklingsarbeid ved siden av modellutviklingen: pålitelige datapipelines, testet kode, API-er eller batchjobber, utrulling, overvåking og samarbeid med produkt- eller infrastrukturteam. Beskriv rollen din presist, og vis hvilke verktøy du brukte og hvilke resultater du oppnådde. Hvis du har begrenset erfaring på området, kan du legge til et avgrenset prosjekt som viser hele løpet fra dataklargjøring via evaluering til utrulling.