Dátová veda a AI · Stredne pokročilý až senior (4+ rokov)

Životopis inžiniera počítačového videnia a NLP

Tento vzor ukazuje, ako prepojiť počítačové videnie a jazykové modely s merateľným zlepšením produktu, od spracovania obrazových dát až po klasifikáciu textu. Kvalitný životopis pre túto pozíciu jasne predstaví dáta, výber modelov, nasadenie aj výsledky vyhodnotenia technickým tímom aj tímom aplikovaného výskumu.

Kontrola životopisu

Čo hľadajú personalisti a systémy na sledovanie uchádzačov. Je to pomôcka, nie predpoveď.

100 / 100Kompletný

100%
  • Kontakt20 / 20
  • Zhrnutie20 / 20
  • Prax30 / 30
  • Zručnosti20 / 20
  • Vzdelanie10 / 10

Kontaktné údaje

Umiestnite ich na začiatok; personalisti a systémy na sledovanie uchádzačov ich hľadajú ako prvé.

Nepovinné. V USA, Spojenom kráľovstve a Kanade životopisy zvyčajne neobsahujú fotografiu.

55 slov

Každé zamestnanie uveďte v samostatnom odseku; každý dosiahnutý výsledok začnite na novom riadku znakom „-“.

11 zručností

Oddeľte zručnosti čiarkami, napríklad: Excel, SQL, plánovanie projektov.

Ďalšie sekcie

Projekty, certifikácie, jazyky alebo čokoľvek ďalšie, čo podporí vašu žiadosť o prácu.

Vybrané projekty
Nástroje

Alex Morgan

Inžinier počítačového videnia a NLP

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

Zhrnutie

Inžinier počítačového videnia a NLP s 5 rokmi skúseností s tvorbou produkčných funkcií strojového učenia pre B2B logistickú platformu. Medzi jeho silné stránky patrí predspracovanie obrazových dát, dolaďovanie transformerov a vyhodnocovanie modelov. Má skúsenosti so zlepšovaním extrakcie údajov z dokumentov a procesov kontroly poškodených zásielok. Nasadzoval služby PyTorch a po ich vydaní monitoroval kvalitu modelov.

Prax

Inžinier počítačového videnia a NLP v Pineglass Parcel Technologies, Denver, CO (2023 – súčasnosť) - Vytvoril systém na detekciu poškodení z fotografií skladových priestorov pomocou PyTorch a OpenCV. Denne spracoval približne 1 200 obrázkov a znížil objem manuálnej kontroly o 18 %. - Doladil model klasifikácie tokenov Hugging Face na extrakciu údajov z prepravných dokumentov. Skóre F1 na úrovni polí zvýšil z 0,86 na 0,91 na oddelenej evaluačnej množine. - Nasadil verzované inferenčné služby pomocou Docker a Kubernetes a skrátil medián času spracovania obrázka z 1,8 sekundy na 1,2 sekundy. Inžinier strojového učenia v Ridgeway Applied Language Labs, Boulder, CO (2021 – 2023) - Vytvoril pracovné postupy OCR a rozpoznávania pomenovaných entít pre faktúry pomocou Tesseract a BERT. Skrátil priemerný čas triedenia výnimiek o 22 % v dvoch zákazníckych tímoch. - Vyhodnotil modely YOLO na detekciu objektov na označenej množine 14 000 obrázkov. Odhalil nedostatky v pokrytí kamier a osvetlenia, ktorých odstránenie zlepšilo úplnosť o 7 percentuálnych bodov.

Vzdelanie

Bakalársky titul v odbore informatika — Aspen Vale Institute of Computing, Fort Collins, CO (2021)

Zručnosti

  • Počítačové videnie
  • spracovanie prirodzeného jazyka
  • PyTorch
  • OpenCV
  • Hugging Face Transformers
  • detekcia objektov
  • OCR
  • rozpoznávanie pomenovaných entít
  • vyhodnocovanie modelov
  • Docker
  • Kubernetes

Vybrané projekty

• Detekcia poškodení zásielok: porovnal varianty modelov YOLO a zdokumentoval úplnosť detekcie podľa typu poškodenia. • Extrakcia údajov z prepravných dokumentov: vytvoril evaluačnú množinu na testovanie OCR a extrakcie entít z rôznych typov skenov.

Nástroje

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

Ako napísať životopis na pozíciu Inžinier počítačového videnia a NLP

Začnite s nasadenými modelmi

Na začiatok uveďte svoju aktuálnu pozíciu a najvýznamnejšiu prácu na produkčných riešeniach. Opíšte, čo model spracovával, rozsah dát alebo prevádzkové prostredie a čo sa po nasadení zmenilo, napríklad objem kontrol, odozva alebo kvalita extrakcie. Rozlíšte prototypy od funkcií používaných zákazníkmi alebo v prevádzke. Náborové tímy potrebujú vedieť, či ste modely podporovali aj mimo prostredia notebooku.

Ukážte, ako ste modely vyhodnocovali

Uveďte metódu vyhodnocovania a metriku vhodnú pre danú úlohu: presnosť a úplnosť pri detekcii, F1 pri extrakcii alebo odozvu pri inferenčnej službe. Ak môžete, doplňte veľkosť alebo zdroj dátovej množiny a vysvetlite, či výsledky pochádzali z oddelenej množiny alebo z monitorovania produkcie. Netvrďte bez dôkazov, že model je presný, ak neuvediete, čo ste merali.

Konkrétne opíšte používané technológie

Uveďte frameworky, rodiny modelov a nástroje na nasadzovanie, s ktorými ste priamo pracovali, napríklad PyTorch, OpenCV, Hugging Face Transformers, Docker alebo Kubernetes. Každý nástroj spojte s projektom alebo výsledkom namiesto toho, aby ste uviedli všetky balíky, ktoré ste vyskúšali. Cloudové platformy alebo vektorové databázy spomeňte len vtedy, ak boli súčasťou vašej skutočnej práce a sú relevantné pre pracovnú ponuku.

Pridajte odkaz na portfólio so zameraním

Stručné portfólio môže predstaviť reprodukovateľný projekt z oblasti počítačového videnia alebo NLP, spôsob vyhodnocovania a jasné vysvetlenie kompromisov. Pridajte odkaz na kód alebo ukážku, ktorú môžete zdieľať, a odstráňte zákaznícke údaje, prihlasovacie údaje a chránené detaily modelov. Akademické práce, návody a vlastné projekty odlíšte od produkčnej práce, aby čitatelia rýchlo pochopili, za čo ste niesli zodpovednosť.

Bežné kľúčové slová

Zručnosti a nástroje, ktoré sa pri tejto pozícii často uvádzajú. Použite len tie, ktoré ovládate, a zapíšte ich tak, ako sú uvedené v pracovnom inzeráte. Kliknutím na výraz ho skopírujete.

Akčné slovesá

VytvorilTrénovalNasadilZnížilZlepšilAutomatizovalVyhodnotil

Otázky o tejto pozícii

Aký dlhý má byť životopis inžiniera počítačového videnia a NLP?

Pri približne piatich rokoch skúseností sú zvyčajne primerané dve strany, ak druhá strana obsahuje relevantné projektové alebo technické podrobnosti. Najvýznamnejšiu produkčnú prácu, vyhodnocovanie modelov a výsledky nasadenia uveďte na prvej strane. Staršie štúdium a nesúvisiace pracovné skúsenosti môžete zvyčajne skrátiť alebo vynechať, pokiaľ nepreukazujú priamo relevantné zručnosti.

Mám pridať odkaz na portfólio alebo GitHub?

Pridajte ho, ak predstavuje relevantnú, verejne dostupnú prácu, ktorú možno jednoducho posúdiť, napríklad reprodukovateľný projekt, evaluačný notebook alebo technický článok. Vysvetlite úlohu, zdroj dát, metriky a svoj prínos. Nenahrávajte zákaznícke údaje, kód zamestnávateľa ani materiály chránené dohodou o mlčanlivosti. Pri takej práci je bezpečnejší upravený opis bez citlivých údajov.

Ktoré certifikácie mám uviesť pre túto pozíciu?

Pozície inžiniera počítačového videnia a NLP v Spojených štátoch spravidla nevyžadujú univerzálnu profesijnú licenciu ani certifikáciu. Uveďte relevantnú cloudovú certifikáciu alebo certifikáciu zo strojového učenia len vtedy, ak ste ju získali; podľa potreby doplňte vydavateľa a dátum a zaraďte ju pod rozsiahlejšie pracovné skúsenosti s projektmi. Absolvovanie kurzu neoznačujte za profesijnú certifikáciu.

Môžem prejsť na túto pozíciu z dátovej vedy alebo softvérového inžinierstva?

Áno. Zdôraznite projekty, ktoré ukazujú, že dokážete vytvárať a vyhodnocovať modely počítačového videnia alebo jazykové modely, pracovať s reálnymi dátami a integrovať inferenciu do aplikácie. Ak máte skúsenosti s dátovou vedou, doplňte príklady nasadzovania a monitorovania. Pri softvérovom inžinierstve ukážte trénovanie modelov, metriky vhodné pre danú úlohu a prácu s dátovými množinami. Osobné a akademické projekty jasne označte a opíšte svoj vlastný prínos.