数据科学与 AI · 中高级(4 年以上)

计算机视觉与 NLP 工程师简历

此示例展示了如何将计算机视觉和语言模型与可衡量的产品改进联系起来,涵盖从图像处理流程到文本分类。优秀的该岗位简历会清楚说明数据、模型选择、部署工作和评估结果,让工程团队和应用研究团队都能一目了然。

张伟

计算机视觉与 NLP 工程师

  • wei.zhang@example.com
  • +86 138 1234 5678
  • 上海

个人简介

计算机视觉与 NLP 工程师,拥有 5 年经验,为 B2B 物流平台构建可投入生产的机器学习功能。擅长图像预处理、Transformer 微调和模型评估,曾改进单据提取和包裹损坏审核流程。拥有部署 PyTorch 服务并在上线后监控模型质量的经验。

工作经历

计算机视觉与 NLP 工程师,Pineglass Parcel Technologies(2023 年至今) - 使用 PyTorch 和 OpenCV 为仓库照片搭建包裹损坏检测流程,每天处理约 1,200 张图片,并将人工审核量减少 18%。 - 微调用于物流单据提取的 Hugging Face 序列标注模型,在独立评估集上将字段级 F1 值从 0.86 提高到 0.91。 - 使用 Docker 和 Kubernetes 部署带版本管理的推理服务,将单张图片的处理中位耗时从 1.8 秒缩短至 1.2 秒。 机器学习工程师,Ridgeway Applied Language Labs(2021 年至 2023 年) - 使用 Tesseract 和 BERT 开发发票 OCR 与命名实体识别流程,将两个客户团队的异常初筛耗时缩短 22%。 - 在包含 14,000 张标注图片的数据集上评估 YOLO 目标检测模型,发现相机和照明方面的不足,并将召回率提高 7 个百分点。

教育经历

计算机科学理学学士,Aspen Vale Institute of Computing(2021 年)

技能

  • 计算机视觉
  • 自然语言处理
  • PyTorch
  • OpenCV
  • Hugging Face Transformers
  • 目标检测
  • OCR
  • 命名实体识别
  • 模型评估
  • Docker
  • Kubernetes

精选项目

• 包裹损坏检测:比较不同 YOLO 模型变体,并按损坏类型记录召回率。 • 运输单据提取:创建评估集,覆盖不同扫描件上的 OCR 和实体提取效果。

工具

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

使用此示例

打开带有此 计算机视觉与 NLP 工程师 简历的生成器,然后用你自己的详细信息替换示例。

从空白简历开始

常见关键词

该职位常见的技能和工具。只使用你具备的技能和工具,并沿用招聘广告中的措辞。点击即可复制关键词。

行动动词

构建训练部署降低改进自动化评估

如何撰写 计算机视觉与 NLP 工程师 简历

突出已上线的模型工作

把你目前的职位和最有代表性的生产环境工作放在靠前位置。说明模型处理的任务、数据规模或运行环境,以及上线后的变化,例如审核量、延迟或提取质量。区分原型与客户或运营团队实际使用的功能;招聘团队需要了解你是否有在笔记本之外支持模型运行的经验。

说明你如何评估模型

写明评估方法和适合该任务的指标:检测任务可用精确率和召回率,提取任务可用 F1,推理服务可用延迟。尽可能说明数据集规模或来源,并解释结果来自留出集还是生产监控。不要在没有说明测量方法的情况下,笼统声称模型准确。

具体列出你的技术栈

列出你亲自使用过的框架、模型系列和部署工具,例如 PyTorch、OpenCV、Hugging Face Transformers、Docker 或 Kubernetes。把每项工具与项目或成果联系起来,不要罗列所有试用过的软件包。只有当云平台或向量数据库确实用于你的工作且与招聘信息相关时,才提及它们。

附上重点突出的作品集

简洁的作品集可以展示一个可复现的视觉或 NLP 项目、评估方法,以及对权衡的清晰说明。只链接你获准分享的代码或演示,并删除客户数据、凭证和专有模型细节。将学术论文、教程和个人项目与生产工作分开,让读者能快速了解你的职责范围。

所有数据科学与 AI简历示例

关于这个职位的问题

计算机视觉与 NLP 工程师的简历应该写多长?

如果你有约五年经验,只要第二页包含相关项目或技术细节,写两页通常是合理的。把最重要的生产环境工作、模型评估和部署成果放在第一页。早期课程和无关工作通常可以精简或删除,除非它们能体现直接相关的技能。

我应该附上作品集或 GitHub 链接吗?

如果链接展示了公开且易于评审的相关工作,例如可复现项目、评估笔记本或技术文章,就可以附上。说明任务、数据来源、指标和你的贡献。不要上传客户数据、雇主代码或受保密协议约束的材料;对此类工作,提供经过脱敏的说明更稳妥。

申请这个岗位时,我应该列出哪些认证?

在美国,计算机视觉与 NLP 工程师岗位通常不要求统一的职业执照或认证。只有在你确实取得相关云计算或机器学习认证时才列出,并在有帮助时注明颁发机构和日期;认证应排在重要项目经验之后。不要把课程结业证书说成职业认证。

我可以从数据科学或软件工程转到这个岗位吗?

可以。突出能证明你会构建和评估视觉或语言模型、处理真实数据并将推理集成到应用中的项目。如果你有数据科学背景,可以补充部署和监控案例;如果你有软件工程背景,可以说明模型训练、适合任务的指标和数据集处理。清楚标注个人或学术项目,并说明你的具体贡献。