Data science i AI · Poziom średniozaawansowany - starszy (ponad 4 lata)

CV inżyniera computer vision i NLP

Ten przykład pokazuje, jak powiązać computer vision i modele językowe z mierzalnymi usprawnieniami produktu - od potoków przetwarzania obrazów po klasyfikację tekstu. Dobre CV na to stanowisko jasno przedstawia dane, wybór modeli, wdrożenia i wyniki ewaluacji zarówno zespołom inżynieryjnym, jak i badawczym.

Michał Nowak

Inżynier widzenia komputerowego i NLP

  • michal.nowak@example.com
  • +48 000 000 000
  • Warszawa

Podsumowanie

Inżynier widzenia komputerowego i NLP z 5-letnim doświadczeniem w tworzeniu produkcyjnych funkcji ML dla platformy logistycznej B2B. Specjalizuję się w przetwarzaniu wstępnym obrazów, dostrajaniu modeli transformerowych i ewaluacji modeli. Mam na koncie usprawnienia w ekstrakcji danych z dokumentów i weryfikacji uszkodzeń paczek. Mam doświadczenie we wdrażaniu usług PyTorch i monitorowaniu jakości modeli po ich uruchomieniu.

Doświadczenie

Inżynier widzenia komputerowego i NLP w Pineglass Parcel Technologies (od 2023 r.) - Stworzyłem potok wykrywania uszkodzeń zdjęć magazynowych oparty na PyTorch i OpenCV, przetwarzający około 1 200 obrazów dziennie i zmniejszający liczbę zdjęć wymagających ręcznej weryfikacji o 18%. - Dostrajałem model klasyfikacji tokenów Hugging Face do ekstrakcji danych z dokumentów wysyłkowych, podnosząc miarę F1 na poziomie pól z 0,86 do 0,91 na zbiorze ewaluacyjnym. - Wdrożyłem wersjonowane usługi wnioskowania z użyciem Dockera i Kubernetes, skracając medianę czasu przetwarzania obrazu z 1,8 sekundy do 1,2 sekundy na obraz. Inżynier uczenia maszynowego w Ridgeway Applied Language Labs (2021 - 2023) - Opracowałem przepływy OCR i rozpoznawania nazwanych jednostek (NER) dla faktur przy użyciu Tesseract i BERT, skracając średni czas analizy wyjątków o 22% w dwóch zespołach obsługi klienta. - Oceniłem modele wykrywania obiektów YOLO na oznaczonym zbiorze 14 000 obrazów, identyfikując braki w zakresie kamer i oświetlenia, których usunięcie poprawiło czułość o 7 punktów procentowych.

Wykształcenie

Licencjat z informatyki - Aspen Vale Institute of Computing (2021)

Umiejętności

  • Computer vision
  • przetwarzanie języka naturalnego
  • PyTorch
  • OpenCV
  • Hugging Face Transformers
  • wykrywanie obiektów
  • OCR
  • rozpoznawanie nazwanych jednostek
  • ewaluacja modeli
  • Docker
  • Kubernetes

Wybrane projekty

• Wykrywanie uszkodzeń paczek: porównanie wariantów modeli YOLO i udokumentowanie czułości dla poszczególnych rodzajów uszkodzeń. • Ekstrakcja danych z dokumentów wysyłkowych: przygotowanie zbioru ewaluacyjnego do OCR i ekstrakcji jednostek z różnych skanów.

Narzędzia

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

Użyj tego przykładu

Otwórz kreator z tym CV na stanowisko Inżynier widzenia komputerowego i NLP, a następnie zastąp przykład własnymi danymi.

Zacznij od pustego CV

Popularne słowa kluczowe

Umiejętności i narzędzia często wymieniane przy tym stanowisku. Używaj tylko tych, które znasz, i zapisuj je tak jak w ogłoszeniu o pracę. Kliknij słowo, aby je skopiować.

Czasowniki opisujące działanie

ZbudowaćWytrenowaćWdrożyćZmniejszyćUlepszyćZautomatyzowaćOcenić

Jak napisać CV na stanowisko: Inżynier widzenia komputerowego i NLP

Zacznij od modeli wdrożonych do produkcji

Umieść obecną rolę i najważniejsze prace wdrożone do produkcji blisko początku CV. Napisz, do czego służył model, jaką skalę miały dane lub w jakich warunkach działał oraz co zmieniło się po wdrożeniu - na przykład liczba weryfikacji, opóźnienie lub jakość ekstrakcji. Odróżnij prototypy od funkcji używanych przez klientów lub zespoły operacyjne. Rekruterzy chcą wiedzieć, czy wspierałeś/wspierałaś modele poza notebookiem.

Pokaż, jak oceniasz modele

Podaj metodę ewaluacji i metrykę pasującą do zadania: precyzję i czułość przy wykrywaniu, F1 przy ekstrakcji albo opóźnienie usługi wnioskowania. Jeśli możesz, podaj wielkość lub źródło zbioru danych i wyjaśnij, czy wyniki pochodzą ze zbioru testowego, czy z monitorowania produkcji. Nie pisz, że model jest dokładny, jeśli nie podajesz, co mierzysz.

Dokładnie opisz swój zestaw narzędzi

Wymień frameworki, rodziny modeli i narzędzia wdrożeniowe, z których korzystałeś/korzystałaś w praktyce, na przykład PyTorch, OpenCV, Hugging Face Transformers, Docker lub Kubernetes. Powiąż każde narzędzie z projektem lub osiągnięciem, zamiast wymieniać wszystkie pakiety, które zdarzyło Ci się wypróbować. Wspomnij o platformach chmurowych lub bazach wektorowych tylko wtedy, gdy używałeś/używałaś ich w pracy i mają związek z ogłoszeniem o pracę.

Dodaj link do wybranego portfolio

Zwięzłe portfolio może pokazać odtwarzalny projekt z computer vision lub NLP, sposób ewaluacji i jasne omówienie kompromisów. Dodaj link do kodu lub demonstracji, które możesz udostępnić, i usuń dane klientów, dane uwierzytelniające oraz poufne szczegóły modeli. Oddziel publikacje naukowe, samouczki i projekty poboczne od pracy wdrożonej do produkcji, by odbiorcy szybko zrozumieli zakres Twojej odpowiedzialności.

Wszystkie przykłady CV dla: Data science i AI

Pytania dotyczące tego stanowiska

Jak długie powinno być CV inżyniera computer vision i NLP?

Przy około pięciu latach doświadczenia dwie strony zwykle wystarczą, jeśli druga zawiera istotne szczegóły techniczne lub dotyczące projektów. Najważniejsze prace produkcyjne, ewaluację modeli i wyniki wdrożeń umieść na pierwszej stronie. Wcześniejsze zajęcia i niezwiązane stanowiska możesz zwykle skrócić lub pominąć, chyba że pokazują umiejętności bezpośrednio przydatne na tym stanowisku.

Czy dodać link do portfolio lub GitHuba?

Dodaj taki link, jeśli pokazuje istotną pracę, która jest publiczna i łatwa do sprawdzenia, na przykład odtwarzalny projekt, notebook do ewaluacji lub opracowanie techniczne. Opisz zadanie, źródło danych, metryki i swój wkład. Nie przesyłaj danych klientów, kodu pracodawcy ani materiałów objętych umową o poufności. W przypadku takiej pracy bezpieczniej będzie zamieścić zanonimizowany opis.

Jakie certyfikaty uwzględnić na tym stanowisku?

Stanowiska inżyniera computer vision i NLP w Stanach Zjednoczonych na ogół nie wymagają powszechnej licencji zawodowej ani certyfikatu. Wymień certyfikat z chmury lub uczenia maszynowego, jeśli go zdobyłeś/zdobyłaś. Podaj wystawcę i datę, jeśli to przydatne, i umieść go niżej niż istotne doświadczenie projektowe. Nie przedstawiaj ukończenia kursu jako certyfikatu zawodowego.

Czy mogę przejść na to stanowisko z analizy danych lub inżynierii oprogramowania?

Tak. Podkreśl projekty, które pokazują, że potrafisz tworzyć i oceniać modele computer vision lub językowe, pracować z rzeczywistymi danymi i integrować wnioskowanie z aplikacją. Jeśli zajmujesz się analizą danych, dodaj przykłady wdrażania i monitorowania. Jeśli pracujesz w inżynierii oprogramowania, pokaż trenowanie modeli, metryki dopasowane do zadań i pracę ze zbiorami danych. Wyraźnie oznacz projekty akademickie i osobiste oraz opisz swój wkład.