Старший инженер по глубокому обучению
David Kim
[email protected] • +1 (425) 987-6543 • linkedin.com/in/david-kim-dl-engineer • github.com/DKDeepLearning • davidkim.dev • San Francisco, CA
О себе
Старший инженер по глубокому обучению с более чем 5-летним опытом работы над проектами в области обработки естественного языка (NLP) и компьютерного зрения. Разработал передовую NLP-модель для анализа тональности в реальном времени, что значительно улучшило взаимодействие с пользователями на платформах социальных сетей. Обладаю навыками работы с TensorFlow, PyTorch и развертыванием решений в облаке с использованием AWS SageMaker.
Ключевые навыки
Python, TensorFlow, PyTorch, AWS SageMaker, Google Cloud AI Platform, Docker, Git, PostgreSQL
Опыт работы
Старший инженер по глубокому обучению
01/2022
Tech Company Inc, Сан-Франциско, Калифорния
•
Создал автоматизированный конвейер тестирования, который выявлял 95% ошибок до вывода в продакшн, сократив количество инцидентов отката на 80%
•
Руководил командой по разработке системы рекомендаций в реальном времени, которая увеличила вовлеченность пользователей на 30% на основной платформе компании
•
Оптимизировал время инференса модели машинного обучения на 50%, сократив затраты на серверы и улучшив пользовательский опыт на мобильных устройствах
•
Разработал набор из 8 моделей глубокого обучения, поддерживающих более 2 миллионов пользователей и сокративших среднее время ответа на запросы на 75%
Инженер по глубокому обучению
06/2020 - 12/2021
Previous Company, Сан-Франциско, Калифорния
•
Создал модель анализа тональности, которая обрабатывала более 500 000 твитов в день с точностью 92%
•
Сократил время обучения модели с 14 часов до менее чем 3 часов, что позволило ускорить итерации и развертывание новых функций
Инженер по глубокому обучению
01/2018 - 05/2020
Another Company Inc, Сан-Франциско, Калифорния
•
Разработал систему распознавания лиц, которая достигла 98% точности в идентификации людей из базы данных более чем 50 000 профилей
•
Внедрил конвейер предварительной обработки данных, который сократил время обучения на 60% и улучшил производительность модели на невиданных ранее наборах данных на 15%
Образование
Магистр компьютерных наук со специализацией в области машинного обучения
09/2015 - 06/2017
Стэнфордский университет, Пало-Альто, Калифорния
Соответствующие курсы: Нейронные сети и глубокое обучение, Продвинутые структуры данных, Вычислительная линейная алгебра. Средний балл: 3.9
Проекты
PrivacyGAN
github.com/DKDeepLearning/PrivacyGAN
Разработана модель генеративной состязательной сети (GAN) для анонимизации данных пациентов при сохранении их полезности для медицинских исследований, обеспечивая соответствие нормам HIPAA.
StockPredAI
Создана модель глубокого обучения с использованием сетей LSTM для прогнозирования цен на акции, включающая технические индикаторы и анализ настроений в новостях рынка.
Сертификаты и курсы
AWS Certified Machine Learning – Specialty
03/2025
Amazon Web Services
Сертификация демонстрирует экспертизу в проектировании и развертывании масштабируемых моделей машинного обучения на платформах AWS.
Google Cloud Certified - Machine Learning Engineer
05/2024
Google Cloud Platform
Сертификация демонстрирует владение навыками создания, развертывания и управления моделями машинного обучения в Google Cloud.
Превратите своё резюме в магнит для собеседований с оптимизацией на базе ИИ, которой доверяют соискатели по всему миру.
Loading template...
Loading template...
Этот формат резюме отлично работает с ATS (системами отслеживания кандидатов) благодаря своей структурированности и богатому содержанию ключевых слов. Включение конкретных технических навыков, таких как Python, TensorFlow, Keras, а также экспертизы в области обработки естественного языка и компьютерного зрения, гарантирует, что документ будет легко идентифицирован рекрутерами и HR-системами, ищущими инженеров по глубокому обучению.
Более того, стратегическое размещение достижений и вклада в проекты подчеркивает количественные результаты, которые являются решающими факторами в алгоритмах ранжирования ATS. Например, упоминание о том, как конкретный проект улучшил точность или эффективность модели, не только впечатляет читателей-людей, но и помогает резюме ранжироваться выше при сканировании системой ИИ, ищущей конкретные результаты.
Хотите узнать, как работает ваше резюме Старший инженер по глубокому обучению? Используйте наш бесплатный инструмент оценки резюме ATS, чтобы получить мгновенную обратную связь о совместимости ATS вашего резюме для позиций Старший инженер по глубокому обучению. Загрузите свое резюме ниже и получите подробный анализ с практическими рекомендациями для улучшения ваших шансов на собеседования.
Instant ATS-friendly analysis with recruiter-ready suggestions to land 2x more interviews. No signup required for basic score.
Import your profile to unlock automated fixes, personalized career tips, and smart job matching.
or click to browse files
Supports PDF and DOCX • Max 20MB
Практические советы, которые помогут сделать каждый раздел понятным, релевантным вакансии и удобным для ATS.
Имя Фамилия Город, Область/Регион Телефон | Email LinkedIn URL | URL портфолио (необязательно)
Ваша контактная информация — это первый раздел, который видят рекрутеры. Сохраняйте ее краткой и профессиональной. Убедитесь, что ваш адрес электронной почты соответствует стандартам (например, имя.фамилия@gmail.com). Включите ссылку на ваш профиль в LinkedIn для полного представления о вашем профессиональном пути. Портфолио или личный веб-сайт рекомендуется для творческих, технических или дизайнерских ролей.
Не указывайте полный почтовый адрес (улица, дом) по соображениям конфиденциальности. Избегайте включения личных данных, таких как семейное положение, возраст, фото или номер социального страхования, если это не требуется в вашей стране. Не используйте непрофессиональные адреса электронной почты.
Посмотрите четкие примеры эффективного форматирования контактных данных.
Иван Петров ул. Ленина, д. 10, кв. 5 Москва, 123456 крутой_парень[email protected] github.com/IPDeepLearning
Иван Петров Москва, Россия (999) 123-45-67 | [email protected] linkedin.com/in/ivan-petrov-dl-engineer | github.com/IPDeepLearning
Ориентированный на результат [Название должности] с [Количество] годами опыта в [Ключевые навыки/отрасли]. Подтвержденный опыт [Крупное достижение]. Специализация в [Ключевые технологии/навыки]. Стремление к предоставлению [Конкретная ценность] для [Целевая отрасль/тип компании].
Профессиональное резюме — это ваша «презентация в лифте». Оно должно состоять из 3-5 предложений, обобщающих ваш опыт, ключевые навыки и основные достижения. Адаптируйте его к описанию вакансии, используя релевантные ключевые слова. Сосредоточьтесь на том, что делает вас уникальным, и на той ценности, которую вы приносите потенциальным работодателям.
Избегайте общих целей, таких как «Ищу сложную роль для развития своих навыков». Рекрутеры хотят знать, какую ценность вы им принесете, а не чего вы хотите от них. Не используйте местоимения первого лица (я, мне, мой). Будьте краткими и убедительными.
Сравните слабое и сильное профессиональное резюме.
Цель: Я трудолюбивый человек, ищущий должность инженера по глубокому обучению, где я смогу изучать новое и продвигаться по карьерной лестнице.
Старший инженер по глубокому обучению с более чем 6-летним опытом разработки масштабируемых ИИ-решений. Сократил время вывода моделей на 50%, улучшив пользовательский опыт на мобильных устройствах. Эксперт в TensorFlow, PyTorch и развертывании в облаке с использованием AWS SageMaker.
Технические навыки - Языки: [Список] - Фреймворки: [Список] - Инструменты: [Список] Гибкие навыки (Soft Skills) - [Навык 1], [Навык 2], [Навык 3]
Группируйте навыки логически (например, Языки, Фреймворки, Инструменты). Сосредоточьтесь на технических навыках, релевантных вакансии. Перечисляйте навыки в порядке владения или значимости. Гибкие навыки лучше демонстрировать через пункты в разделе опыта, а не голым списком.
Не перечисляйте навыки, которыми вы не готовы пользоваться на собеседовании. Избегайте использования полос прогресса или процентов для оценки навыков (например, «Java: 80%»). Не включайте устаревшие технологии, если они не требуются в описании вакансии.
Практический пример, показывающий, что можно и чего нельзя делать при указании навыков
C#: 75%
Python, TensorFlow, PyTorch
Django: Средний уровень
AWS SageMaker, Google Cloud AI Platform
Должность | Название Компании | Местоположение Месяц Год – Месяц Год - Глагол действия + Контекст + Результат (с количественными показателями) - Возглавлял(а) [Проект], что привело к [Результат]... - Сотрудничал(а) с [Команда] для внедрения [Функция]...
Это основная часть вашего резюме. Используйте обратный хронологический порядок (начиная с последнего места работы). Начинайте каждый пункт с сильного глагола действия. Сосредоточьтесь на достижениях и влиянии, а не только на обязанностях. Используйте цифры для количественной оценки вашего вклада (доллары, проценты, сэкономленное время, количество затронутых пользователей). Демонстрируйте рост и увеличение ответственности.
Избегайте пассивных формулировок, таких как «Отвечал(а) за…» или «Задачей было…». Не перечисляйте каждую повседневную задачу; сосредоточьтесь на значимых вкладах и измеримых результатах. Избегайте жаргона, который рекрутеры вне вашей области не поймут.
Практический пример, демонстрирующий, что можно и чего нельзя делать в разделе опыта работы
Отвечал(а) за создание системы распознавания лиц с использованием TensorFlow.
Разработал(а) систему распознавания лиц на TensorFlow, достигнув 98% точности на более чем 50 000 профилей.
Задачей было сокращение времени обучения модели путем оптимизации конвейера предварительной обработки.
Сократил(а) время обучения модели с 14 часов до менее чем 3 часов за счет оптимизации предварительной обработки данных.
Название степени | Название университета | Местоположение Месяц Год – Месяц Год - Релевантные курсы: [Курс 1], [Курс 2] - Награды/Отличия: [Название награды] - Средний балл: X.X (если выше 3.5)
Перечисляйте степени в обратном хронологическом порядке, начиная с самой высокой. Если у вас значительный опыт работы, секция образования должна быть краткой. Указывайте средний балл только если он выше 3.5 или если вы недавний выпускник. Подчеркните релевантные курсы, академические проекты, награды или руководящие должности.
Не включайте сведения о среднем образовании, если у вас есть высшее. Избегайте перечисления всех пройденных курсов; выбирайте только самые релевантные. Не указывайте даты окончания учебы, если это может вызвать опасения по поводу возрастной дискриминации в вашей отрасли.
Практический пример, демонстрирующий правильное и неправильное оформление раздела образования
Бакалавр компьютерной инженерии | Калифорнийский университет в Беркли | Беркли, Калифорния Сентябрь 2013 – Май 2017 - Все пройденные курсы: Алгоритмы, Структуры данных, Операционные системы, Машинное обучение, Искусственный интеллект, Компьютерные сети, Базы данных - Руководящая роль: Член студенческого отделения ACM
Магистр компьютерных наук со специализацией в машинном обучении | Стэнфордский университет | Пало-Альто, Калифорния Сентябрь 2015 – Июнь 2017 - Релевантные курсы: Нейронные сети и глубокое обучение, Продвинутые структуры данных, Вычислительная линейная алгебра
Название проекта | Используемые технологии - Кратко опишите, что вы создали и для чего - Выделите конкретную техническую проблему, которую вы решили - Ссылка на GitHub или рабочее демо, если доступно
Проекты отлично демонстрируют практические навыки, особенно если у вас мало опыта работы или вы меняете сферу деятельности. По возможности включите ссылку на репозиторий GitHub или рабочее демо. Сосредоточьтесь на проектах, которые показывают навыки решения проблем и релевантные технологии для целевой должности.
Не включайте тривиальные учебные проекты, если вы их значительно не доработали. Избегайте устаревших, незавершенных или не относящихся к должности, на которую вы претендуете, проектов. Не просто перечисляйте технологии — объясните, что вы создали и почему это важно.
Практический пример, демонстрирующий правильные и неправильные подходы к описанию проектов
Создал базовую программу на TensorFlow для распознавания рукописных цифр из набора данных MNIST. Использовал Python и Jupyter Notebook.
Разработал модель сверточной нейронной сети (CNN) с использованием TensorFlow и Keras для классификации изображений из набора данных MNIST с точностью 98%. Решил проблему оптимизации гиперпараметров для минимизации времени обучения без ущерба для производительности.
Распространенные вопросы об этой роли и о том, как лучше всего представить ее в вашем резюме.
Уверенное владение Python, фреймворками PyTorch или TensorFlow, понимание принципов работы нейронных сетей и опыт работы с облачными платформами, такими как AWS SageMaker или Google Colab.
Подчеркните переносимые навыки, такие как навыки программирования, способность решать проблемы и адаптивность к новым технологиям.
Включите проекты, такие как создание предиктивных моделей, приложений для обработки естественного языка или систем компьютерного зрения, которые демонстрируют вашу экспертизу во фреймворках глубокого обучения.
Сертификаты, такие как TensorFlow Developer Certification или AWS Certified Machine Learning Specialty, подтверждают навыки и повышают доверие к вам в данной области.
Превратите своё резюме в магнит для собеседований с оптимизацией на базе ИИ, которой доверяют соискатели по всему миру.
Средний соискатель тратит более 3 часов на форматирование резюме. Наш ИИ делает это менее чем за 15 минут, ускоряя переход к этапу подачи заявки в 12 раз.