Podatkovna znanost in UI · Srednja do višja raven (4+ let)

Življenjepis inženirja za računalniški vid in NLP

Ta vzorec prikazuje, kako povezati računalniški vid in jezikovne modele z merljivimi izboljšavami izdelka, od slikovnih cevovodov do klasifikacije besedil. Dober življenjepis za to delovno mesto jasno predstavi podatke, izbiro modelov, uvajanje in rezultate vrednotenja tako inženirskim ekipam kot ekipam za aplikativne raziskave.

Pregled življenjepisa

Kaj iščejo kadroviki in sistemi za sledenje prijavam. To je vodilo, ne napoved.

100 / 100Popolno

100%
  • Kontakt20 / 20
  • Povzetek20 / 20
  • Delovne izkušnje30 / 30
  • Spretnosti20 / 20
  • Izobrazba10 / 10

Kontaktni podatki

Vnesite jih na vrh življenjepisa; kadroviki in sistemi za sledenje prijavam jih iščejo najprej.

Neobvezno. V ZDA, Združenem kraljestvu in Kanadi življenjepisi običajno ne vsebujejo fotografije.

56 besed

Za vsako delovno mesto uporabite svoj odstavek; vsak dosežek začnite v novi vrstici z »-«.

11 spretnosti

Spretnosti ločite z vejicami, na primer: Excel, SQL, načrtovanje projektov.

Dodatni razdelki

Projekti, certifikati, jeziki ali kar koli drugega, kar podpira vašo prijavo.

Izbrani projekti
Orodja

Alex Morgan

Inženir za računalniški vid in NLP

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

Povzetek

Inženir za računalniški vid in NLP s petimi leti izkušenj pri razvoju funkcionalnosti strojnega učenja za produkcijsko uporabo na platformi B2B za logistiko. Odlikujejo ga predobdelava slik, prilagajanje transformatorjev in vrednotenje modelov; dosegel je izboljšave pri pridobivanju podatkov iz dokumentov ter pregledovanju poškodb paketov. Ima izkušnje z uvajanjem storitev PyTorch in spremljanjem kakovosti modelov po izdaji.

Delovne izkušnje

Inženir za računalniški vid in NLP pri podjetju Pineglass Parcel Technologies, Denver, CO (2023 – danes) - Razvil cevovod za zaznavanje poškodb na fotografijah skladišča z uporabo PyTorch in OpenCV. Ta je obdelal približno 1.200 slik na dan in zmanjšal obseg ročnih pregledov za 18 %. - Prilagodil model za klasifikacijo žetonov Hugging Face za pridobivanje podatkov iz odpremnih dokumentov ter zvišal F1 na ravni polj z 0,86 na 0,91 na ločenem evalvacijskem naboru. - Uvedel storitve za izvajanje modelov z označenimi različicami z Dockerjem in Kubernetesom ter skrajšal mediani čas obdelave slike z 1,8 sekunde na 1,2 sekunde na sliko. Inženir za strojno učenje pri podjetju Ridgeway Applied Language Labs, Boulder, CO (2021 – 2023) - Razvil postopke OCR in prepoznavanja poimenovanih entitet za račune z orodjema Tesseract in BERT ter skrajšal povprečni čas razvrščanja izjem za 22 % v dveh ekipah za stranke. - Vrednotil modele YOLO za zaznavanje objektov na označenem naboru 14.000 slik ter odkril pomanjkljivosti pri kamerah in osvetlitvi; izboljšave so povečale priklic za 7 odstotnih točk.

Izobrazba

Diploma iz računalništva — Aspen Vale Institute of Computing, Fort Collins, CO (2021)

Spretnosti

  • Računalniški vid
  • obdelava naravnega jezika
  • PyTorch
  • OpenCV
  • Hugging Face Transformers
  • zaznavanje objektov
  • OCR
  • prepoznavanje poimenovanih entitet
  • vrednotenje modelov
  • Docker
  • Kubernetes

Izbrani projekti

• Zaznavanje poškodb paketov: primerjava različic modela YOLO in dokumentiranje priklica po vrsti poškodbe. • Pridobivanje podatkov iz odpremnih dokumentov: priprava evalvacijskega nabora za OCR in pridobivanje entitet iz različnih vrst skenov.

Orodja

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

Kako napisati življenjepis za delovno mesto Inženir za računalniški vid in NLP

Najprej predstavite modele, ki ste jih uvedli

Na vrh uvrstite trenutno delovno mesto in svoje najmočnejše delo za produkcijsko uporabo. Navedite, kaj je model obdeloval, obseg podatkov ali okolje delovanja ter kaj se je po izdaji spremenilo, na primer obseg pregledov, zakasnitev ali kakovost pridobivanja podatkov. Prototipe ločite od funkcionalnosti, ki jo uporabljajo stranke ali operativne ekipe; kadrovske ekipe morajo videti, ali ste modele podpirali tudi zunaj okolja Jupyter Notebook.

Pokažite, kako ste vrednotili modele

Navedite metodo vrednotenja in metriko, primerno za nalogo: natančnost in priklic pri zaznavanju, F1 pri pridobivanju podatkov ali zakasnitev pri inferenčni storitvi. Če je mogoče, navedite velikost ali vir nabora podatkov ter pojasnite, ali rezultati izvirajo iz ločenega nabora ali spremljanja v produkciji. Ne trdite, da je model natančen, ne da bi navedli, kaj ste merili.

Natančno opišite svoj nabor tehnologij

Navedite ogrodja, družine modelov in orodja za uvajanje, ki ste jih uporabljali sami, na primer PyTorch, OpenCV, Hugging Face Transformers, Docker ali Kubernetes. Vsako orodje povežite s projektom ali dosežkom, namesto da naštevate vse pakete, ki ste jih preizkusili. Platforme v oblaku ali vektorske podatkovne zbirke omenite le, če so bile del vašega dejanskega dela in so pomembne za objavo delovnega mesta.

Dodajte povezavo do izbranih del

Kratek portfelj lahko predstavi ponovljiv projekt s področja računalniškega vida ali NLP, pristop k vrednotenju in jasno pojasnilo kompromisov. Dodajte povezavo do kode ali predstavitve, ki jo smete deliti, ter odstranite podatke strank, poverilnice in lastniške podrobnosti o modelih. Akademske članke, vodiče in stranske projekte jasno ločite od dela za produkcijsko uporabo, da bodo bralci hitro razumeli, za kaj ste bili odgovorni.

Pogoste ključne besede

Spretnosti in orodja, ki se pogosto navajajo za to delovno mesto. Uporabite samo spretnosti in orodja, ki jih obvladate, ter izraze iz zaposlitvenega oglasa. Kliknite ključno besedo, da jo kopirate.

Glagoli za opis dejanj

ZgradiliUčiliUvedliZmanjšaliIzboljšaliAvtomatiziraliVrednotili

Vprašanja o tem delovnem mestu

Kako dolg naj bo življenjepis inženirja za računalniški vid in NLP?

Pri približno petih letih izkušenj sta dve strani običajno primerni, če druga vsebuje relevantne podrobnosti o projektih ali tehniki. Najmočnejše delo za produkcijsko uporabo, vrednotenje modelov in rezultate uvajanja predstavite na prvi strani. Zgodnje študijske vsebine in nepovezana delovna mesta lahko običajno skrajšate ali izpustite, razen če dokazujejo neposredno uporabne veščine.

Ali naj vključim povezavo do portfelja ali GitHub?

Vključite jo, če prikazuje relevantno delo, ki je javno dostopno in ga je mogoče preprosto pregledati, na primer ponovljiv projekt, evalvacijski zvezek ali tehnični zapis. Pojasnite nalogo, vir podatkov, metrike in svoj prispevek. Ne objavljajte podatkov strank, kode delodajalca ali gradiva, za katero veljajo pogodbe o zaupnosti; pri takem delu je varneje uporabiti anonimiziran opis.

Katere certifikate naj navedem za to delovno mesto?

Za delovna mesta inženirja za računalniški vid in NLP v Združenih državah praviloma ni potrebna splošno priznana poklicna licenca ali certifikat. Ustrezen certifikat s področja oblaka ali strojnega učenja navedite le, če ste ga pridobili; po potrebi dodajte izdajatelja in datum ter ga umestite za obsežnejše projektne izkušnje. Zaključenega tečaja ne predstavljajte kot poklicni certifikat.

Ali lahko na to delovno mesto preidem iz podatkovne znanosti ali programskega inženirstva?

Da. Poudarite projekte, ki kažejo, da znate graditi in vrednotiti modele za računalniški vid ali jezikovne modele, obdelovati resnične podatke in vključiti inferenco v aplikacijo. Če prihajate iz podatkovne znanosti, dodajte primere uvajanja in spremljanja; če prihajate iz programskega inženirstva, pokažite učenje modelov, metrike, primerne za nalogo, in obdelavo naborov podatkov. Osebne ali akademske projekte jasno označite in opišite svoj prispevek.