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.