Știința datelor și AI · Senior (6+ ani)

CV de inginer de învățare automată

Acest exemplu prezintă un inginer care îmbunătățește modele de clasificare și prognoză, de la experimentare până la lansări monitorizate în producție. Un CV solid leagă alegerile privind modelele, datele și implementarea de schimbări măsurabile ale latenței, relevanței, costurilor sau fluxurilor de lucru ale afacerii și precizează instrumentele și amploarea activității.

Verificarea CV-ului

Ce caută recrutorii și sistemele de urmărire. Un ghid, nu o predicție.

100 / 100Complet

100%
  • Date de contact20 / 20
  • Rezumat20 / 20
  • Experiență30 / 30
  • Competențe20 / 20
  • Studii10 / 10

Date de contact

Treceți-le la începutul CV-ului; recrutorii și sistemele de urmărire le caută mai întâi.

Opțional. În SUA, Regatul Unit și Canada, CV-urile nu includ, de obicei, o fotografie.

57 de cuvinte

Un loc de muncă pe paragraf; începeți fiecare realizare pe un rând nou cu „-”.

10 competențe

Separați competențele prin virgule, de exemplu: Excel, SQL, planificarea proiectelor.

Alte secțiuni

Proiecte, certificări, limbi străine sau orice altceva care vă susține candidatura.

Instrumente
Proiect selectat

Alex Morgan

Inginer de învățare automată

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

Rezumat

Inginer de învățare automată cu 7 ani de experiență în construirea sistemelor de clasificare și prognoză pentru produse de comerț B2B. Îmbină dezvoltarea de modele cu Python și PyTorch, proiectarea fluxurilor de procesare a caracteristicilor și implementările Kubernetes cu evaluări atente, offline și online; a lansat servicii care procesează 2 milioane de solicitări de recomandare pe zi.

Experiență

Inginer de învățare automată II la Cedarpath Commerce, Denver, CO (2022 – prezent) - Am construit un model de clasificare cu PyTorch, folosind caracteristici din sesiuni și cataloage, și am crescut rata de adăugare în coș cu 6% într-un test controlat desfășurat pe 1,2 milioane de sesiuni. - Am implementat servicii de recomandare pe Kubernetes și am adăugat evaluarea în loturi cu urmărire în MLflow, reducând timpul de răspuns p95 de la 180 ms la 125 ms. - Am automatizat validarea caracteristicilor și alertele privind deriva pentru 14 caracteristici din producție, ajutând echipa să investigheze problemele legate de date înaintea lansărilor săptămânale de modele. Inginer de învățare automată la Summitline Analytics, Boulder, CO (2019 – 2022) - Am antrenat modele de prognoză a cererii cu scikit-learn pe date de vânzări din trei ani, reducând eroarea absolută medie cu 9% față de baza sezonieră existentă. - Am construit fluxuri reutilizabile de procesare a caracteristicilor în Python și SQL pentru cinci implementări la clienți, reducând pregătirea actualizării modelelor de la două zile la aproximativ o zi.

Studii

Licență în informatică — Juniper Ridge University, Grand Junction, CO (2018)

Competențe

  • Python
  • SQL
  • PyTorch
  • scikit-learn
  • ingineria caracteristicilor
  • evaluarea modelelor
  • Kubernetes
  • MLflow
  • Docker
  • testare A/B

Instrumente

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

Proiect selectat

• Am dezvoltat un prototip de recuperare și reclasificare pentru căutarea produselor, folosind reprezentări vectoriale de propoziții și PyTorch • Am comparat relevanța și latența pe un set etichetat de 8.000 de interogări • Am documentat rezultatele evaluării și compromisurile de implementare

Cum să scrieți un CV pentru rolul de Inginer de învățare automată

Prezentați impactul modelului dincolo de indicatori

Începeți cu rezultatul pentru produs sau operațiuni, apoi numiți modelul și metoda de evaluare. De exemplu, legați o schimbare de clasificare de conversii sau de relevanța căutării și precizați dacă rezultatul provine dintr-un test online sau dintr-o evaluare comparativă offline. Când sunt utile, includeți valoarea de referință, amploarea și perioada; un indicator fără context este greu de interpretat.

Clarificați responsabilitățile în producție

Descrieți de ce v-ați ocupat după antrenare: fluxuri de procesare a caracteristicilor, servire, monitorizare, reantrenare, revenire la versiunea anterioară sau investigare în regim de permanență. Numiți mediul de implementare și oferiți o măsură concretă, precum latența p95, timpul de actualizare, cheltuielile în cloud sau volumul de solicitări. Nu sugerați că un model era pregătit pentru producție dacă a rulat doar într-un notebook sau într-un proiect pilot limitat.

Menționați instrumentele cu un context util

Enumerați limbajele, cadrele software, serviciile cloud și instrumentele de implementare despre care puteți discuta la un interviu, apoi arătați în punctele despre experiență unde le-ați folosit. Folosiți formulările din anunțul de angajare când descriu corect activitatea dumneavoastră. Evitați listele lungi de biblioteci și nu enumerați fiecare arhitectură de model pe care ați încercat-o fără să-i explicați scopul.

Folosiți proiectele pentru a completa lipsurile de dovezi

Dacă istoricul profesional include puțină activitate de implementare a modelelor, includeți unul sau două proiecte relevante, cu link către un depozit de cod sau o demonstrație, sursa datelor, metoda de evaluare și ce ați construit. Explicați limitele datelor și evitați să divulgați cod confidențial, informații despre clienți sau afirmații imposibil de reprodus. Un proiect ar trebui să aducă dovezi noi, nu să repete lista de competențe.

Cuvinte-cheie frecvente

Competențe și instrumente menționate frecvent pentru acest rol. Folosiți doar ce stăpâniți și păstrați formularea din anunțul de angajare. Faceți clic pe un element pentru a-l copia.

Verbe de acțiune

Am construitAm implementatAm redusAm îmbunătățitAm automatizatAm evaluatAm optimizat

Întrebări despre acest rol

Cât de lung ar trebui să fie un CV de inginer de învățare automată?

Pentru câțiva ani de experiență relevantă, două pagini pot fi potrivite dacă fiecare intrare aduce dovezi utile despre modele, sisteme de date sau responsabilități în producție. Puneți pe prima pagină activitatea cea mai relevantă și scurtați detaliile mai vechi care nu susțin candidatura pentru rol. Și un CV concis, de o pagină, poate fi eficient dacă rămâne lizibil și oferă suficient context pentru rezultate.

Ar trebui să includ un link către portofoliu sau GitHub?

Includeți un link dacă prezintă activități care vă întăresc candidatura, precum un proiect reproductibil, un material tehnic sau o contribuție publică. Puneți linkul lângă datele de contact sau într-o secțiune de proiecte și asigurați-vă că depozitul are un fișier README clar și nu conține date secrete sau restricționate. Nu vă bazați pe link în loc să vă explicați contribuția în CV.

Ce certificări ar trebui să includă un inginer de învățare automată?

Nu există o licență generală sau o certificare obligatorie în SUA pentru inginerii de învățare automată. Menționați o certificare dacă este relevantă pentru rol, actuală și emisă de un furnizor cunoscut, cum ar fi o certificare pentru o platformă cloud. Includeți denumirea exactă și emitentul; omiteți certificările expirate sau certificatele de cursuri scurte care adaugă puțin față de competențele demonstrate.

Pot trece de la știința datelor la ingineria învățării automate?

Da. Evidențiați dovezile activității de inginerie alături de dezvoltarea modelelor: fluxuri fiabile de procesare a datelor, cod testat, API-uri sau sarcini în loturi, implementare, monitorizare și colaborarea cu echipele de produs sau infrastructură. Precizați cu exactitate rolul dumneavoastră și prezentați instrumentele și rezultatele. Dacă experiența este limitată, adăugați un proiect concentrat care demonstrează întregul parcurs, de la pregătirea datelor până la evaluare și implementare.