Börja med produktionssatta modeller
Placera din nuvarande roll och ditt starkaste arbete med produktionssatta modeller högt upp. Beskriv vad modellen hanterade, datamängden eller användningsmiljön och vad som förändrades efter lanseringen, till exempel granskningsvolym, fördröjning eller extraktionskvalitet. Skilj prototyper från funktioner som används av kunder eller i verksamheten. Rekryteringsteam behöver förstå om du har förvaltat modeller utanför en notebook.
Visa hur du utvärderade modeller
Ange utvärderingsmetoden och det mått som passar uppgiften: precision och återkallelsegrad för detektering, F1 för extraktion eller fördröjning för en inferenstjänst. Ange datasetets storlek eller källa när du kan och förklara om resultaten kom från en separat utvärderingsmängd eller produktionsövervakning. Undvik obestyrkta påståenden om att en modell är träffsäker utan att ange vad du mätte.
Var specifik om din teknikstack
Lista de ramverk, modelltyper och verktyg för driftsättning som du har använt praktiskt, till exempel PyTorch, OpenCV, Hugging Face Transformers, Docker eller Kubernetes. Koppla varje verktyg till ett projekt eller en prestation i stället för att lista alla paket du har provat. Nämn molnplattformar eller vektordatabaser bara om de ingick i ditt faktiska arbete och är relevanta för platsannonsen.
Länka till en avgränsad portfölj
En kort portfölj kan visa ett reproducerbart projekt inom datorseende eller NLP, hur du utvärderade det och en tydlig förklaring av avvägningarna. Länka till kod eller en demo som du har rätt att dela och ta bort kunddata, inloggningsuppgifter och skyddade modelldetaljer. Håll akademiska artiklar, handledningar och sidoprojekt åtskilda från produktionsarbete så att läsaren snabbt förstår ditt ansvar.