Khoa học dữ liệu & AI · Trung cấp đến cao cấp (4+ năm)

CV Kỹ sư Thị giác máy tính & NLP

Mẫu này cho thấy cách kết nối thị giác máy tính và mô hình ngôn ngữ với những cải thiện sản phẩm có thể đo lường, từ quy trình xử lý hình ảnh đến phân loại văn bản. CV cho vị trí này cần trình bày rõ dữ liệu, lựa chọn mô hình, công việc triển khai và kết quả đánh giá để cả nhóm kỹ thuật lẫn nghiên cứu ứng dụng đều dễ nắm bắt.

Kiểm tra sơ yếu lý lịch

Những gì nhà tuyển dụng và hệ thống theo dõi tìm kiếm. Đây là hướng dẫn, không phải dự đoán.

100 / 100Đầy đủ

100%
  • Liên hệ20 / 20
  • Tóm tắt20 / 20
  • Kinh nghiệm30 / 30
  • Kỹ năng20 / 20
  • Học vấn10 / 10

Thông tin liên hệ

Đặt những thông tin này ở đầu trang; nhà tuyển dụng và hệ thống theo dõi thường tìm chúng trước tiên.

Không bắt buộc. Sơ yếu lý lịch ở Mỹ, Anh và Canada thường không có ảnh.

80 từ

Viết mỗi công việc thành một đoạn; bắt đầu mỗi thành tựu trên dòng mới bằng “-”.

11 kỹ năng

Phân cách các kỹ năng bằng dấu phẩy, ví dụ: Excel, SQL, lập kế hoạch dự án.

Các mục khác

Dự án, chứng chỉ, ngôn ngữ hoặc nội dung khác hỗ trợ cho hồ sơ ứng tuyển của bạn.

Dự án tiêu biểu
Công cụ

Alex Morgan

Kỹ sư Thị giác máy tính & NLP

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

Tóm tắt

Kỹ sư Thị giác máy tính & NLP với 5 năm kinh nghiệm xây dựng tính năng ML đưa vào vận hành cho nền tảng logistics B2B. Có thế mạnh về tiền xử lý hình ảnh, tinh chỉnh mô hình transformer và đánh giá mô hình; từng cải thiện quy trình trích xuất tài liệu và rà soát hư hỏng bưu kiện. Có kinh nghiệm triển khai dịch vụ PyTorch và theo dõi chất lượng mô hình sau khi phát hành.

Kinh nghiệm

Kỹ sư Thị giác máy tính & NLP tại Pineglass Parcel Technologies, Denver, CO (2023 – Hiện tại) - Xây dựng quy trình phát hiện hư hỏng bằng PyTorch và OpenCV cho ảnh chụp trong kho, xử lý khoảng 1,200 ảnh mỗi ngày và giảm 18% khối lượng rà soát thủ công. - Tinh chỉnh mô hình phân loại token của Hugging Face để trích xuất thông tin từ chứng từ vận chuyển, nâng F1 cấp trường từ 0.86 lên 0.91 trên tập đánh giá giữ lại. - Triển khai dịch vụ suy luận có quản lý phiên bản bằng Docker và Kubernetes, giảm thời gian xử lý ảnh trung vị từ 1.8 giây xuống 1.2 giây mỗi ảnh. Kỹ sư Học máy tại Ridgeway Applied Language Labs, Boulder, CO (2021 – 2023) - Phát triển quy trình OCR và nhận dạng thực thể có tên cho hóa đơn bằng Tesseract và BERT, rút ngắn 22% thời gian trung bình xử lý ngoại lệ ở hai nhóm khách hàng. - Đánh giá các mô hình phát hiện đối tượng YOLO trên tập dữ liệu gán nhãn gồm 14,000 ảnh, xác định các hạn chế về camera và ánh sáng, qua đó cải thiện độ thu hồi thêm 7 điểm phần trăm.

Học vấn

Cử nhân Khoa học Máy tính — Aspen Vale Institute of Computing, Fort Collins, CO (2021)

Kỹ năng

  • Thị giác máy tính
  • Xử lý ngôn ngữ tự nhiên
  • PyTorch
  • OpenCV
  • Hugging Face Transformers
  • Phát hiện đối tượng
  • OCR
  • Nhận dạng thực thể có tên
  • Đánh giá mô hình
  • Docker
  • Kubernetes

Dự án tiêu biểu

• Phát hiện hư hỏng bưu kiện: so sánh các phiên bản mô hình YOLO và ghi lại độ thu hồi theo loại hư hỏng. • Trích xuất thông tin từ chứng từ vận chuyển: tạo tập đánh giá OCR và trích xuất thực thể trên nhiều loại bản quét.

Công cụ

• Python, PyTorch, OpenCV, Hugging Face Transformers, Tesseract • Docker, Kubernetes, MLflow, PostgreSQL, Git

Cách viết sơ yếu lý lịch cho vị trí Kỹ sư Thị giác máy tính & NLP

Đưa công việc triển khai mô hình lên đầu

Đặt vị trí hiện tại và công việc triển khai nổi bật nhất gần đầu CV. Nêu rõ mô hình xử lý việc gì, quy mô dữ liệu hoặc môi trường vận hành, và điều gì thay đổi sau khi phát hành, chẳng hạn như khối lượng rà soát, độ trễ hoặc chất lượng trích xuất. Phân biệt nguyên mẫu với tính năng khách hàng hoặc đội vận hành đang sử dụng; nhà tuyển dụng cần biết bạn đã hỗ trợ mô hình sau giai đoạn thử nghiệm hay chưa.

Cho thấy cách bạn đánh giá mô hình

Nêu phương pháp đánh giá và chỉ số phù hợp với nhiệm vụ: độ chính xác và độ thu hồi cho bài toán phát hiện, F1 cho trích xuất hoặc độ trễ cho dịch vụ suy luận. Nếu có thể, hãy cho biết quy mô hoặc nguồn của tập dữ liệu, đồng thời giải thích kết quả đến từ tập dữ liệu giữ lại hay từ việc theo dõi trong môi trường thực tế. Tránh khẳng định mô hình chính xác mà không nói rõ bạn đã đo lường điều gì.

Nêu cụ thể công nghệ bạn đã sử dụng

Liệt kê các framework, họ mô hình và công cụ triển khai bạn đã trực tiếp sử dụng, chẳng hạn như PyTorch, OpenCV, Hugging Face Transformers, Docker hoặc Kubernetes. Gắn từng công cụ với một dự án hoặc thành tích thay vì liệt kê mọi gói bạn từng thử. Chỉ đề cập nền tảng đám mây hoặc cơ sở dữ liệu vector nếu chúng thuộc công việc thực tế của bạn và phù hợp với tin tuyển dụng.

Liên kết đến hồ sơ dự án tập trung

Một hồ sơ dự án ngắn gọn có thể giới thiệu dự án thị giác máy tính hoặc NLP có thể tái tạo, cách đánh giá và giải thích rõ các phương án đánh đổi. Chỉ liên kết đến mã nguồn hoặc bản demo mà bạn được phép chia sẻ; xóa dữ liệu khách hàng, thông tin xác thực và chi tiết mô hình độc quyền. Tách riêng bài báo học thuật, hướng dẫn và dự án cá nhân với công việc đưa vào vận hành để người đọc nhanh chóng hiểu mức độ đóng góp của bạn.

Từ khóa thường gặp

Các kỹ năng và công cụ thường được liệt kê cho vị trí này. Chỉ dùng những từ khóa phù hợp với bạn, theo cách viết trong tin tuyển dụng. Nhấp vào một từ khóa để sao chép.

Động từ chỉ hành động

Xây dựngHuấn luyệnTriển khaiCắt giảmCải thiệnTự động hóaĐánh giá

Câu hỏi về vị trí này

CV Kỹ sư Thị giác máy tính & NLP nên dài bao nhiêu?

Với khoảng năm năm kinh nghiệm, CV dài hai trang thường là hợp lý nếu trang thứ hai có thông tin kỹ thuật hoặc dự án phù hợp. Đặt công việc đưa vào vận hành, đánh giá mô hình và kết quả triển khai nổi bật nhất ở trang đầu. Bạn thường có thể rút gọn hoặc bỏ môn học thời đầu và công việc không liên quan, trừ khi chúng thể hiện kỹ năng phù hợp trực tiếp.

Tôi có nên thêm liên kết đến hồ sơ dự án hoặc GitHub không?

Hãy thêm liên kết nếu dự án thể hiện công việc phù hợp, được công khai và dễ xem xét, chẳng hạn như dự án có thể tái tạo, notebook đánh giá hoặc bài viết kỹ thuật. Giải thích nhiệm vụ, nguồn dữ liệu, chỉ số và phần đóng góp của bạn. Không tải lên dữ liệu khách hàng, mã của nhà tuyển dụng hoặc tài liệu thuộc thỏa thuận bảo mật; mô tả đã lược bỏ thông tin nhạy cảm sẽ an toàn hơn.

Tôi nên liệt kê chứng chỉ nào cho vị trí này?

Các vị trí Kỹ sư Thị giác máy tính & NLP tại Hoa Kỳ nhìn chung không yêu cầu giấy phép hành nghề hay chứng chỉ chuyên môn chung. Chỉ liệt kê chứng chỉ về đám mây hoặc học máy có liên quan nếu bạn đã đạt được; ghi tên đơn vị cấp và ngày cấp khi cần, đồng thời đặt mục này sau phần kinh nghiệm dự án đáng kể. Đừng trình bày việc hoàn thành khóa học như một chứng chỉ chuyên môn.

Tôi có thể chuyển sang vị trí này từ khoa học dữ liệu hoặc kỹ thuật phần mềm không?

Có. Hãy nhấn mạnh các dự án cho thấy bạn có thể xây dựng và đánh giá mô hình thị giác máy tính hoặc ngôn ngữ, xử lý dữ liệu thực và tích hợp suy luận vào ứng dụng. Nếu có nền tảng khoa học dữ liệu, hãy bổ sung ví dụ về triển khai và giám sát; nếu làm kỹ thuật phần mềm, hãy nêu kinh nghiệm huấn luyện mô hình, dùng chỉ số phù hợp với nhiệm vụ và xử lý tập dữ liệu. Ghi rõ dự án cá nhân hoặc học thuật và mô tả phần đóng góp của riêng bạn.