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.

Stefan Jovanović

Inženjer za računarski vid i NLP

  • stefan.jovanovic@example.com
  • +381 60 000 0000
  • Beograd

Profil

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 u implementaciji PyTorch servisa i praćenju kvaliteta modela nakon objavljivanja.

Radno iskustvo

Inženjer za računarski vid i NLP u kompaniji Pineglass Parcel Technologies (2023 - danas) - Napravio PyTorch i OpenCV cevovod za detekciju oštećenja za fotografije iz skladišta, usmeravajući oko 1.200 slika dnevno i smanjujući obim ručne procene za 18%. - Fino podesio Hugging Face model za klasifikaciju tokena za ekstrakciju otpremnih dokumenata, podižući F1 na nivou polja sa 0,86 na 0,91 na izdvojenom skupu za procenu. - Primenio verzionisane usluge inferencije sa Docker-om i Kubernetes-om, skraćujući srednje vreme obrade slika sa 1,8 sekundi na 1,2 sekunde po slici. Inženjer mašinskog učenja u kompaniji Ridgeway Applied Language Labs (2021 - 2023) - Razvio tokove posla za OCR i prepoznavanje imlovanih entiteta (NER) za fakture koristeći Tesseract i BERT, skraćujući prosečno vreme trijaže izuzetaka za 22% u dva tima korisnika. - Procenio YOLO modele za detekciju objekata na označenom skupu podataka od 14.000 slika, identifikujući nedostatke kamera i osvetljenja koji su poboljšali odziv (recall) za 7 procentnih poena.

Obrazovanje

Diplomirani inženjer računarskih nauka - Aspen Vale Institute of Computing (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 sam varijante YOLO modela i dokumentovao odziv prema vrsti oštećenja. • Izdvajanje podataka iz transportne dokumentacije: napravio 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

Iskoristite ovaj primer

Otvorite alat za izradu sa ovom Inženjer za računarski vid i NLP biografijom, a zatim zamenite primer sopstvenim podacima.

Počnite od prazne biografije

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

IzgradioObučioImplementiraoSmanjioUnapredioAutomatizovaoProcenio

Kako da napišete biografiju za radno mesto: 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.

Svi primeri CV-ja za oblast Nauka o podacima i AI

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.