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.