Nauka o podacima i AI · Srednji do viši nivo (4+ god.)

Biografija inženjera za računarski vid i NLP

Ovaj primer pokazuje kako da povežete računarski vid i jezičke modele sa merljivim unapređenjima proizvoda, od procesa obrade slika do klasifikacije teksta. Dobra biografija za ovu poziciju jasno prikazuje podatke, izbor modela, rad na implementaciji i rezultate procene, kako inženjerskim timovima tako i timovima za primenjena istraživanja.

Provera CV-ja

Šta regruteri i sistemi za praćenje traže. Smernica, a ne predviđanje.

100 / 100Potpun

100%
  • Kontakt20 / 20
  • Sažetak20 / 20
  • Radno iskustvo30 / 30
  • Veštine20 / 20
  • Obrazovanje10 / 10

Kontakt podaci

Postavite ove podatke na vrh; regruteri i sistemi za praćenje prvo ih traže.

Opciono. CV-jevi u SAD, Ujedinjenom Kraljevstvu i Kanadi obično ne sadrže fotografiju.

56 reči

Jedan posao po pasusu; svako postignuće započnite u novom redu znakom „-”.

11 veština

Odvojite veštine zarezima, na primer: Excel, SQL, planiranje projekata.

Dodatni odeljci

Projekti, sertifikati, jezici ili bilo šta drugo što doprinosi vašoj prijavi.

Odabrani projekti
Alati

Alex Morgan

Inženjer za računarski vid i NLP

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

Sažetak

Inženjer za računarski vid i NLP sa 5 godina iskustva u razvoju produkcionih funkcija mašinskog učenja za B2B logističku platformu. Ističe se u predobradi slika, prilagođavanju transformer modela i proceni modela, uz rezultate u unapređenju izdvajanja podataka iz dokumenata i procesa pregleda oštećenja paketa. Iskusan/na u implementaciji PyTorch servisa i praćenju kvaliteta modela nakon objavljivanja.

Radno iskustvo

Inženjer za računarski vid i NLP u kompaniji Pineglass Parcel Technologies, Denver, CO (2023 – danas) - Razvio/la PyTorch i OpenCV proces za detekciju oštećenja na fotografijama iz skladišta, koji obrađuje oko 1.200 slika dnevno i smanjuje obim ručne provere za 18%. - Prilagodio/la Hugging Face model za klasifikaciju tokena radi izdvajanja podataka iz transportne dokumentacije, povećavši F1 na nivou polja sa 0,86 na 0,91 na izdvojenom skupu za procenu. - Implementirao/la verzionisane servise za zaključivanje uz Docker i Kubernetes, skraćujući medijalno vreme obrade slike sa 1,8 na 1,2 sekunde po slici. Inženjer/ka za mašinsko učenje u kompaniji Ridgeway Applied Language Labs, Boulder, CO (2021 – 2023) - Razvio/la OCR procese i procese za prepoznavanje imenovanih entiteta na fakturama koristeći Tesseract i BERT, skraćujući prosečno vreme trijaže izuzetaka za 22% u dva korisnička tima. - Procenio/la YOLO modele za detekciju objekata na označenom skupu od 14.000 slika i utvrdio/la nedostatke u vezi sa kamerama i osvetljenjem, čime je odziv povećan za 7 procentnih poena.

Obrazovanje

Diploma osnovnih studija računarstva — Aspen Vale Institute of Computing, Fort Collins, CO (2021)

Veštine

  • Računarski vid
  • obrada prirodnog jezika
  • PyTorch
  • OpenCV
  • Hugging Face Transformers
  • detekcija objekata
  • OCR
  • prepoznavanje imenovanih entiteta
  • procena modela
  • Docker
  • Kubernetes

Odabrani projekti

• Detekcija oštećenja paketa: uporedio/la sam varijante YOLO modela i dokumentovao/la odziv prema vrsti oštećenja. • Izdvajanje podataka iz transportne dokumentacije: napravio/la sam skup za procenu OCR-a i izdvajanja entiteta na različitim vrstama skeniranih dokumenata.

Alati

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

Kako da napišete CV za ulogu: Inženjer za računarski vid i NLP

Istaknite modele puštene u rad

Navedite svoju trenutnu poziciju i najvažniji rad na produkcionim sistemima pri vrhu. Objasnite šta je model obrađivao, obim podataka ili uslove rada i šta se promenilo nakon puštanja u rad, na primer obim provera, kašnjenje ili kvalitet izdvajanja podataka. Razdvojite prototipe od funkcija koje koriste klijenti ili operativni timovi; poslodavci žele da znaju da li ste podržavali modele i van okruženja za razvoj i testiranje.

Prikažite kako ste procenjivali modele

Navedite metod procene i metriku koja odgovara zadatku: preciznost i odziv za detekciju, F1 za izdvajanje podataka ili kašnjenje za servis za zaključivanje. Kada možete, navedite veličinu ili izvor skupa podataka i objasnite da li rezultati potiču sa izdvojenog skupa ili iz praćenja u produkciji. Nemojte tvrditi da je model precizan ako ne navedete šta ste merili.

Precizno navedite tehnološki skup

Navedite okvire, porodice modela i alate za implementaciju koje ste praktično koristili, kao što su PyTorch, OpenCV, Hugging Face Transformers, Docker ili Kubernetes. Povežite svaki alat sa projektom ili postignućem umesto da nabrojite svaki paket koji ste probali. Pomenite cloud platforme ili vektorske baze podataka samo ako su bile deo Vašeg stvarnog rada i relevantne su za oglas za posao.

Dodajte link ka fokusiranom portfoliju

Sažet portfolio može da prikaže ponovljiv projekat iz računarskog vida ili NLP-a, pristup proceni i jasno objašnjenje kompromisa. Dodajte link ka kodu ili demonstraciji koje smete da delite i uklonite podatke o klijentima, pristupne podatke i vlasničke detalje o modelu. Akademske radove, tutorijale i lične projekte jasno razdvojite od produkcionog rada kako bi čitaoci brzo razumeli koliku ste odgovornost imali.

Uobičajene ključne reči

Veštine i alati koji se često navode za ovu ulogu. Koristite samo one koje imate, uz izraze iz oglasa za posao. Kliknite na neku da biste je kopirali.

Glagoli koji opisuju radnje

Izgradio/laObučio/laImplementirao/laSmanjio/laUnapredio/laAutomatizovao/laProcenio/la

Pitanja o ovoj ulozi

Koliko duga treba da bude biografija inženjera za računarski vid i NLP?

Ako imate oko pet godina iskustva, dve strane su obično primerene ako druga strana sadrži relevantne detalje o projektima ili tehnologiji. Najvažniji rad na produkcionim sistemima, procenu modela i rezultate implementacije stavite na prvu stranu. Rane predmete sa studija i poslove koji nisu povezani sa pozicijom uglavnom možete skratiti ili izostaviti, osim ako pokazuju neposredno relevantne veštine.

Da li da dodam link ka portfoliju ili GitHub-u?

Dodajte ga ako prikazuje relevantan rad koji je javan i lako se pregleda, kao što su ponovljiv projekat, sveska za procenu ili tehnički tekst. Objasnite zadatak, izvor podataka, metrike i svoj doprinos. Nemojte postavljati podatke o klijentima, kod poslodavca ili materijal obuhvaćen ugovorom o poverljivosti; za takav rad je bezbednije da navedete opis iz kog su uklonjeni poverljivi detalji.

Koje sertifikate da navedem za ovu poziciju?

Za pozicije inženjera za računarski vid i NLP u Sjedinjenim Državama uglavnom nije potrebna univerzalna profesionalna licenca ili sertifikat. Navedite relevantan sertifikat za cloud ili mašinsko učenje samo ako ste ga stekli; kada je korisno, navedite izdavaoca i datum. Smestite ga ispod značajnog iskustva na projektima. Završetak kursa nemojte predstavljati kao profesionalni sertifikat.

Mogu li da pređem na ovu poziciju iz nauke o podacima ili softverskog inženjerstva?

Da. Istaknite projekte koji pokazuju da umete da napravite i procenite modele za računarski vid ili obradu jezika, radite sa stvarnim podacima i integrišete zaključivanje u aplikaciju. Ako se bavite naukom o podacima, dodajte primere implementacije i praćenja; ako se bavite softverskim inženjerstvom, prikažite obuku modela, metrike primerene zadatku i obradu skupova podataka. Lične i akademske projekte jasno označite i opišite svoj doprinos.