Datavetenskap och AI · Senior (6+ år)

CV för AI-forskningsspecialist

Det här exemplet visar hur en AI-forskare kan koppla experimentella metoder, modelevaluering och publicerad forskning till mätbara forskningsresultat. Ett starkt CV för rollen gör dina egna bidrag tydliga och ger tillräckligt med tekniska detaljer för att team ska kunna bedöma ditt arbete.

Astrid Lind

AI-forskningsspecialist

  • astrid.lind@example.com
  • +46 70 000 00 00
  • Stockholm

Sammanfattning

AI-forskare med 8 års erfarenhet från ett forskningslabb för tillämpad maskininlärning, där jag utvecklat transformermodeller och metoder för förstärkningsinlärning. Har kunskaper i experimentell design, modelevaluering och reproducerbara träningsflöden, samt en doktorsexamen i datavetenskap och sakkunniggranskade forskningspublikationer.

Arbetslivserfarenhet

Senior forskare på Cedar Peak Intelligence (2021 - pågående) - Utformade en förstärkningsinlärningsmetod för flerstegs språkuppgifter och förbättrade slutförandegraden med 4 procentenheter på en intern utvärderingssvit. - Byggde en PyTorch-utvärderingspipeline för 12 modellvarianter, vilket minskade granskningstiden för experiment från 5 dagar till 3. - Handledde 2 forskningsassistenter i experimentell design och reproducerbara arbetsflöden; bidrog med experiment till 3 samarbetspapper. Forskare på Alpine Signal Labs (2018 till 2021) - Tränade transformatormodeller för dokumentförståelse med distribuerade PyTorch-jobb, vilket minskade valideringsfelet med 9% på ett testdata som inte använts vid träningen. - Skapade ablationsstudier över 6 modellkonfigurationer, vilket identifierade en enklare arkitektur som minskade träningsberäkningen med 15%.

Utbildning

PhD i datavetenskap - Summit Plains University (2018)

Kompetenser

  • Djupinlärning
  • transformermodeller
  • förstärkningsinlärning
  • språkteknologi
  • PyTorch
  • JAX
  • LLM-utvärdering
  • experimentell design
  • distribuerad träning
  • statistisk analys

Utvalda publikationer

• ”Effektiv anpassning för dokumentuppgifter i långformat”, NeurIPS (2024) • ”Preferensoptimering med begränsad återkoppling”, ICML (2022)

Forskningsverktyg

• PyTorch, JAX, Weights & Biases • Slurm, Git, LaTeX

Använd det här exemplet

Öppna byggaren med detta AI-forskningsspecialist-CV och ersätt sedan exemplet med dina egna uppgifter.

Börja med ett tomt CV

Vanliga nyckelord

Kompetenser och verktyg som ofta anges för den här yrkesrollen. Använd bara sådant du kan och formulera det som i platsannonsen. Klicka på ett nyckelord för att kopiera det.

Handlingsverb

UtveckladeUtvärderadeUtformadeFörbättradePubliceradeAnalyseradeHandledde

Så skriver du ett CV för AI-forskningsspecialist

Lyft fram ditt forskningsområde

Placera ditt forskningsområde, dina starkaste metoder och din mest relevanta artikel eller ditt mest relevanta projekt högt upp. Rekryteringsteamet ska snabbt kunna se om ditt arbete passar deras område, till exempel språkmodeller, förstärkningsinlärning eller tolkningsbarhet. Beskriv ditt bidrag till samarbeten och länka till en publicerad artikel eller kodsamling när den är tillgänglig och lämplig att dela.

Förklara experimentet och resultatet

Beskriv för varje projekt frågan, tillvägagångssättet och beläggen för att det fungerade. Ta med en baslinje, utvärderingsmängd, ablation eller resursmått när du kan dela det. Använd siffror som speglar experimentets faktiska omfattning, till exempel antalet testade varianter eller förändringen i ett definierat mått. Undvik obestyrkta påståenden om bred modelförmåga.

Gör dina publikationer lätta att överblicka

Lista utvalda artiklar i ett eget avsnitt med titel, publiceringskanal, år och din plats i författarlistan om det förtydligar ditt bidrag. Länka till artikeln eller förpubliceringen när den är offentlig. Skilj mellan sakkunniggranskade arbeten, förpubliceringar och pågående arbeten. Ge inte intryck av att en artikel har accepterats om den fortfarande granskas. Ta bara med en avhandling när den stärker din ansökan till den aktuella rollen.

Visa verktygen i sitt forskningssammanhang

Ta med ramverk och infrastruktur som du faktiskt har använt, till exempel PyTorch, JAX eller verktyg för distribuerad träning, och koppla dem till ett experiment under din erfarenhet. Undvik långa listor med bibliotek som du bara har provat. Utelämna konfidentiella projektdetaljer, opublicerade resultat som du inte får avslöja och allmänna påståenden om att du är innovativ eller intellektuellt nyfiken.

Alla CV-exempel inom Datavetenskap och AI

Frågor om den här yrkesrollen

Hur långt bör ett CV för AI-forskning vara?

Det finns ingen fast längd. Om du är en erfaren forskare kan två sidor ge plats åt utvalda forskningsbidrag, publikationer och teknisk erfarenhet. Placera det mest relevanta arbetet högt upp och korta ner äldre uppgifter som inte stärker din ansökan till rollen. Om ansökan ber om ett akademiskt CV eller en publikationslista följer du instruktionerna och skickar in det efterfrågade dokumentet.

Bör du ta med alla artiklar och förpubliceringar?

Vanligtvis tar du med ett kort urval av det mest relevanta arbetet i CV:t och länkar till en fullständig publikationslista om du har en. Ange publiceringskanal och år, och märk förpubliceringar och pågående arbeten tydligt. Ta med din plats i författarlistan när det hjälper till att förklara din roll, särskilt i artiklar som tagits fram i samarbete. Följ ansökans instruktioner om publikationslistor.

Krävs en doktorsexamen för jobb inom AI-forskning?

Kraven varierar mellan arbetsgivare, team och forskningsområden. Många tjänster som forskare kräver doktorsexamen eller motsvarande forskningserfarenhet, medan vissa arbetsgivare kan godta starkt självständigt arbete, publikationer eller omfattande tillämpad forskningserfarenhet i stället för en viss examen. Läs varje platsannons noggrant och visa vad du har bidragit med inom forskning, vilka metoder du har använt och hur djup din tekniska kompetens är.

Kan du gå över till AI-forskning från mjukvaruutveckling?

Ja, men visa belägg för forskningsarbete tillsammans med dina ingenjörskunskaper. Lyft fram experiment som du har utformat, artiklar eller tekniska rapporter, arbete med öppen källkod eller samarbeten som visar att du har undersökt en forskningsfråga och utvärderat resultaten noggrant. Skilj tydligt mellan produktionsutveckling och forskningsbidrag. Anpassa exemplen efter rollens inriktning och gör inte anspråk på författarskap eller resultat som du inte kan styrka.