Veri Bilimi ve Yapay Zekâ · Kıdemli (6+ yıl)

Makine Öğrenimi Mühendisi Özgeçmişi

Bu örnek, bir mühendisin sıralama ve tahmin modellerini deney aşamasından izlenen üretim sürümlerine kadar nasıl iyileştirdiğini gösteriyor. Güçlü bir özgeçmiş; model tercihlerini, veri ve dağıtım çalışmalarını gecikme, alaka düzeyi, maliyet veya iş akışlarındaki ölçülebilir değişikliklerle ilişkilendirirken kullanılan araçları ve ölçeği de açıklar.

Özgeçmiş kontrolü

İşe alım uzmanlarının ve takip sistemlerinin aradığı bilgiler. Bu bir rehberdir, tahmin değildir.

100 / 100Tamamlandı

100%
  • İletişim20 / 20
  • Özet20 / 20
  • Deneyim30 / 30
  • Beceriler20 / 20
  • Eğitim10 / 10

İletişim bilgileri

Bu bilgileri en üste ekleyin; işe alım uzmanları ve takip sistemleri önce bunları arar.

İsteğe bağlı. ABD, Birleşik Krallık ve Kanada'da özgeçmişlerde genellikle fotoğraf bulunmaz.

47 kelime

Her paragrafta bir iş deneyimine yer verin; her sonucu yeni bir satırda “-” ile başlatın.

10 beceri

Becerileri virgülle ayırın; örneğin: Excel, SQL, proje planlama.

Ek bölümler

Başvurunuzu destekleyen projeleri, sertifikaları, dilleri veya başka bilgileri ekleyin.

Araçlar
Seçilmiş proje

Alex Morgan

Makine Öğrenimi Mühendisi

  • alex.morgan@example.com
  • +1 555 0100
  • Denver, CO

Özet

B2B ticaret ürünleri için sıralama ve tahmin sistemleri geliştirme konusunda 7 yıllık deneyime sahip makine öğrenimi mühendisi. Python ve PyTorch ile model geliştirme, özellik veri hatlarının tasarımı ve Kubernetes dağıtımlarını dikkatli çevrim dışı ve çevrim içi değerlendirmelerle birleştiriyor; günde 2 milyon öneri isteğini işleyen hizmetleri kullanıma sunmuş.

Deneyim

Cedarpath Commerce şirketinde Makine Öğrenimi Mühendisi II, Denver, CO (2022 – Günümüz) - Oturum ve katalog özelliklerini kullanan bir PyTorch sıralama modeli geliştirdi; 1,2 milyon oturumda yapılan kontrollü testte sepete ekleme oranını %6 artırdı. - Kubernetes üzerinde öneri hizmetleri dağıttı ve MLflow takibiyle toplu puanlama ekledi; p95 yanıt süresini 180 ms'den 125 ms'ye düşürdü. - 14 üretim özelliği için özellik doğrulamasını ve kayma uyarılarını otomatikleştirdi; ekibin haftalık model sürümlerinden önce veri sorunlarını incelemesine yardımcı oldu. Summitline Analytics şirketinde Makine Öğrenimi Mühendisi, Boulder, CO (2019 – 2022) - Üç yıllık satış verisiyle scikit-learn talep tahmin modelleri eğitti; mevcut mevsimsel temel modele kıyasla ortalama mutlak hatayı %9 azalttı. - Beş müşteri dağıtımı için yeniden kullanılabilir Python ve SQL özellik veri hatları oluşturdu; model yenileme hazırlığını iki günden yaklaşık bir güne indirdi.

Eğitim

Bilgisayar Bilimleri Lisans Derecesi — Juniper Ridge University, Grand Junction, CO (2018)

Beceriler

  • Python
  • SQL
  • PyTorch
  • scikit-learn
  • özellik mühendisliği
  • model değerlendirmesi
  • Kubernetes
  • MLflow
  • Docker
  • A/B testi

Araçlar

• Python, SQL, PyTorch, scikit-learn • MLflow, Docker, Kubernetes • Apache Spark, Airflow

Seçilmiş proje

• Cümle gömmeleri ve PyTorch kullanarak ürün araması için bir erişim ve yeniden sıralama prototipi geliştirdi • Etiketlenmiş 8.000 sorgudan oluşan bir kümede alaka düzeyini ve gecikmeyi karşılaştırdı • Değerlendirme sonuçlarını ve dağıtım ödünleşimlerini belgeledi

Makine Öğrenimi Mühendisi özgeçmişi nasıl yazılır?

Modelin etkisini ölçümlerin ötesinde gösterin

Önce ürün veya operasyon sonucunu belirtin, ardından modelin ve değerlendirme yönteminin adını verin. Örneğin, sıralamadaki bir değişikliği dönüşüm veya arama alaka düzeyiyle ilişkilendirin ve sonucun çevrim içi bir testten mi yoksa çevrim dışı bir kıyaslamadan mı geldiğini belirtin. Yararlı olduğunda temel değeri, ölçeği ve zaman aralığını ekleyin; bağlam olmadan bir ölçümü yorumlamak zordur.

Üretim sorumluluğunuzu netleştirin

Eğitim sonrasında hangi işlerin sorumluluğunu aldığınızı açıklayın: özellik veri hatları, model sunumu, izleme, yeniden eğitim, geri alma veya nöbet sırasında inceleme. Dağıtım ortamının adını verin ve p95 gecikmesi, yenileme süresi, bulut harcaması ya da istek hacmi gibi somut bir ölçüm ekleyin. Bir model yalnızca not defterinde veya sınırlı bir pilot çalışmada çalıştıysa üretime hazır olduğunu ima etmeyin.

Araçları yararlı bir bağlamla belirtin

Mülakatta hakkında konuşabileceğiniz dilleri, çerçeveleri, bulut hizmetlerini ve dağıtım araçlarını listeleyin; ardından deneyim maddelerinde bunları nerede kullandığınızı gösterin. İş ilanındaki ifadeler çalışmalarınızı doğru tanımlıyorsa aynı ifadeleri kullanın. Uzun kitaplık listelerinden kaçının; amacını açıklamadan denediğiniz her model mimarisini sıralamayın.

Kanıt eksiklerini projelerle tamamlayın

İş geçmişinizde model dağıtımıyla ilgili az deneyim varsa depo veya demo bağlantısı, veri kaynağı, değerlendirme yaklaşımı ve geliştirdiğiniz unsurları içeren bir ya da iki ilgili proje ekleyin. Verinin sınırlarını açıklayın; gizli kodu, müşteri bilgilerini veya yeniden üretilemeyecek iddiaları paylaşmayın. Proje, beceri listesini tekrarlamak yerine ek kanıt sunmalıdır.

Sık kullanılan anahtar kelimeler

Bu pozisyon için sıkça listelenen beceri ve araçlar. Yalnızca sahip olduklarınızı, iş ilanındaki ifadelerle kullanın. Kopyalamak için birine tıklayın.

Eylem fiilleri

GeliştirdiDağıttıAzalttıİyileştirdiOtomatikleştirdiDeğerlendirdiOptimize etti

Bu pozisyonla ilgili sorular

Makine öğrenimi mühendisi özgeçmişi ne kadar uzun olmalı?

Birkaç yıllık ilgili deneyiminiz varsa her kayıt modeller, veri sistemleri veya üretim sorumluluğu hakkında yararlı kanıt sunduğu sürece iki sayfa uygun olabilir. En ilgili işlerinizi ilk sayfaya alın ve pozisyonu desteklemeyen eski ayrıntıları kısaltın. Okunabilir kaldığı ve sonuçlarınız için yeterli bağlam sunduğu sürece, odaklı tek sayfalık bir özgeçmiş de etkili olabilir.

Portföy veya GitHub bağlantısı eklemeli miyim?

Tekrar üretilebilir bir proje, teknik yazı veya herkese açık bir katkı gibi başvurunuzu güçlendiren çalışmaları gösteriyorsa ekleyin. Bağlantıyı iletişim bilgilerinizin yakınına veya projeler bölümüne koyun; depoda anlaşılır bir README bulunduğundan, gizli anahtarlar ya da kısıtlı veriler olmadığından emin olun. Özgeçmişinizde katkınızı açıklamak yerine yalnızca bağlantıya güvenmeyin.

Makine öğrenimi mühendisi hangi sertifikaları listelemeli?

Makine öğrenimi mühendisleri için genel geçer bir ABD lisansı veya zorunlu sertifika yoktur. Sertifika işle ilgili, güncel ve bulut platformu belgesi gibi tanınan bir sağlayıcı tarafından verilmişse listeleyin. Tam adını ve veren kuruluşu belirtin; süresi dolmuş belgeleri veya gösterdiğiniz becerilerin ötesinde pek bir şey katmayan kısa kurs sertifikalarını eklemeyin.

Veri biliminden makine öğrenimi mühendisliğine geçebilir miyim?

Evet. Model geliştirmenin yanı sıra mühendislik çalışmalarınıza ilişkin kanıtları vurgulayın: güvenilir veri hatları, test edilmiş kod, API'ler veya toplu işler, dağıtım, izleme ve ürün ya da altyapı ekipleriyle iş birliği. Rolünüzü doğru biçimde açıklayın; kullandığınız araçları ve elde ettiğiniz sonuçları gösterin. Bu deneyiminiz sınırlıysa veri hazırlığından değerlendirme ve dağıtıma kadar uçtan uca bir süreci gösteren odaklı bir proje ekleyin.