เริ่มด้วยผลงานโมเดลที่นำไปใช้งานจริง
วางตำแหน่งปัจจุบันและผลงานจริงที่โดดเด่นที่สุดไว้ช่วงต้น ระบุว่าโมเดลจัดการอะไร ขนาดข้อมูลหรือสภาพแวดล้อมการทำงานเป็นอย่างไร และมีอะไรเปลี่ยนไปหลังเผยแพร่ เช่น ปริมาณงานตรวจสอบ เวลาแฝง หรือคุณภาพการดึงข้อมูล แยกต้นแบบออกจากฟีเจอร์ที่ลูกค้าหรือฝ่ายปฏิบัติการใช้งานจริง ทีมสรรหาต้องการเห็นว่าคุณดูแลโมเดลต่อจากขั้นตอนทดลองในโน้ตบุ๊กหรือไม่
แสดงวิธีประเมินโมเดล
ระบุวิธีประเมินและตัวชี้วัดที่เหมาะกับงาน เช่น precision และ recall สำหรับการตรวจจับ F1 สำหรับการดึงข้อมูล หรือเวลาแฝงสำหรับบริการอนุมาน หากทำได้ ให้ระบุขนาดหรือแหล่งที่มาของชุดข้อมูล และอธิบายว่าผลลัพธ์มาจากชุดข้อมูลที่กันไว้หรือการติดตามในระบบจริง หลีกเลี่ยงการกล่าวว่าโมเดลแม่นยำโดยไม่มีข้อมูลว่าคุณวัดอะไร
ระบุเทคโนโลยีที่ใช้ให้ชัดเจน
ระบุเฟรมเวิร์ก ตระกูลโมเดล และเครื่องมือสำหรับติดตั้งใช้งานที่คุณเคยลงมือใช้จริง เช่น PyTorch, OpenCV, Hugging Face Transformers, Docker หรือ Kubernetes เชื่อมโยงเครื่องมือแต่ละอย่างกับโครงการหรือผลงาน แทนการไล่รายชื่อแพ็กเกจทั้งหมดที่เคยลอง กล่าวถึงแพลตฟอร์มคลาวด์หรือฐานข้อมูลเวกเตอร์เฉพาะเมื่อเป็นส่วนหนึ่งของงานจริงและเกี่ยวข้องกับประกาศงาน
ใส่ลิงก์แฟ้มผลงานที่ตรงประเด็น
แฟ้มผลงานที่กระชับช่วยแสดงโครงการด้านคอมพิวเตอร์วิทัศน์หรือ NLP ที่ทำซ้ำได้ แนวทางประเมิน และคำอธิบายข้อแลกเปลี่ยนที่ชัดเจน ใส่ลิงก์ไปยังโค้ดหรือเดโมที่คุณได้รับอนุญาตให้แชร์ และนำข้อมูลลูกค้า ข้อมูลรับรอง และรายละเอียดโมเดลที่เป็นกรรมสิทธิ์ออก แยกบทความวิชาการ บทเรียน และโครงการส่วนตัวออกจากงานจริง เพื่อให้ผู้อ่านเข้าใจขอบเขตความรับผิดชอบของคุณได้รวดเร็ว