Henrik Berg
Maskinlæringsingeniør
- henrik.berg@example.com
- +47 912 34 567
- Oslo
Sammendrag
Erfaring
Utdanning
Ferdigheter
- Python
- SQL
- PyTorch
- scikit-learn
- feature engineering
- modelevaluering
- Kubernetes
- MLflow
- Docker
- A/B-testing
Datavitenskap og AI · Senior (6+ år)
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.
Henrik Berg
Maskinlæringsingeniør
Åpne byggeren med denne Maskinlæringsingeniør-CV-en, og erstatt deretter eksemplet med dine egne detaljer.
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.
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.
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.
Før 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.
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.
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.
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.
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.
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.