ნახეთ, როგორ ხაზს უსვამს პროფესიონალური ML ინჟინრის რეზიუმე მოდელების შემუშავებას, დანერგვის კონვეიერებსა და საწარმოო ML სისტემებს. მოარგეთ ეს მაგალითი თქვენს გამოცდილებას.
[email protected]+995 599 87 65 43ვაჟა-ფშაველას გამზ. 71, 0186 თბილისი, საქართველოB კატეგორიის მართვის მოწმობა
პროფესიული რეზიუმე
უფროსი მანქანური სწავლების ინჟინერი 7 წლიანი გამოცდილებით საწარმოო ML სისტემების მასშტაბურად აგებასა და დანერგვაში. სპეციალიზებული NLP-ში, რეკომენდაციის სისტემებსა და ღრმა სწავლების არქიტექტურებში; მოდელები ემსახურება დღეში 10 მილიონზე მეტ პროგნოზს 100 ms-ზე ნაკლები შეყოვნებით. გამოაქვეყნა 3 სტატია წამყვან ML კონფერენციებზე, მათ შორის NeurIPS-სა და ICML-ზე. გატაცებულია კვლევასა და საწარმოო პროცესს შორის უფსკრულის ამოვსებით, პრაქტიკული ექსპერტიზით MLOps-ში, განაწილებულ სწავლებასა და რეალურ დროში ინფერენსის ოპტიმიზაციაში.
სამუშაო გამოცდილება
უფროსი მანქანური სწავლების ინჟინერი
TBC Bank
ივნ. 2022 – დღემდე
ააგო რეკომენდაციის ძრავა, რომელიც ემსახურება დღეში 10 მილიონზე მეტ პროგნოზს 99.5% ხელმისაწვდომობითა და 80 ms-ზე ნაკლები P99 შეყოვნებით
შეიმუშავა ბოლომდე ML კონვეიერი მონაცემთა მიღებიდან მოდელის დანერგვამდე Kubeflow-სა და MLflow-ის გამოყენებით, რამაც დანერგვის დრო 2 კვირიდან 3 საათამდე შეამცირა
გააუმჯობესა დაკლიკების მაჩვენებელი 25%-ით A/B ტესტირებული მოდელის არქიტექტურის ცვლილებებით 4 პროდუქტის ზედაპირზე
დააპროექტა და დანერგა ფუნქციების საცავი, რომელიც 12 საწარმოო მოდელს 500-ზე მეტ ფუნქციას აწვდის, რამაც ფუნქციების ინჟინერიის დუბლირება 70%-ით შეამცირა
დააკურირა 3 უმცროსი ML ინჟინერი და დანერგა მოდელის განხილვის პროცესი, რომელიც მთელ ML პლატფორმის გუნდმა მიიღო
მანქანური სწავლების ინჟინერი
Pulsar AI
აგვ. 2019 – მაი. 2022
დახვეწა BERT და GPT-2 მოდელები დოკუმენტების კლასიფიკაციისთვის, რამაც 15 ენაზე გაშლილ საწარმოო მონაცემთა ნაკრებებზე 97% სიზუსტეს მიაღწია
ააგო რეალურ დროში ტექსტის ანალიზის კონვეიერი, რომელიც დღეში 500 ათას დოკუმენტს ამუშავებს Spark-ისა და Kafka-ის გამოყენებით 200 ms-ზე ნაკლები ბოლომდე შეყოვნებით
შეამცირა მოდელის სწავლების დრო 60%-ით განაწილებული სწავლებით GPU კლასტერებზე Horovod-ისა და PyTorch DDP-ის გამოყენებით
დანერგა მოდელის მონიტორინგისა და დრიფტის აღმოჩენის სისტემა, რომელიც ავტომატურ გადასწავლებას იწვევდა და მოდელის სიზუსტეს 95% SLA-ზე მაღლა ინარჩუნებდა
მანქანური სწავლების ინჟინერი
Theneo
ივლ. 2017 – ივლ. 2019
შეიმუშავა გამოსახულების კლასიფიკაციის მოდელი 94% სიზუსტით კონტენტის მონიშვნისთვის, რომელმაც 3 მილიონზე მეტი აქტივი დაამუშავა და ხელით შემოწმების ძალისხმევა 65%-ით შეამცირა
შექმნა მონაცემთა აუგმენტაციის კონვეიერი, რომელმაც სასწავლო მონაცემთა ნაკრების ზომა 5-ჯერ გაზარდა ისეთი ტექნიკებით, როგორიცაა CutMix, MixUp და სინთეზური გენერაცია
გამოაქვეყნა კვლევითი სტატია ტრანსფერ სწავლების მეთოდებზე ICML სემინარზე, რომელმაც პირველ წელს 50-ზე მეტი ციტირება მიიღო
ააგო ინტერაქტიული მოდელის ახსნადობის დეშბორდი SHAP-ისა და LIME-ის გამოყენებით, რამაც არატექნიკურ დაინტერესებულ მხარეებს პროგნოზების ინტერპრეტაცია შეაძლებინა
განათლება
მაგისტრის ხარისხი კომპიუტერულ მეცნიერებაში (მანქანური სწავლება)
ივანე ჯავახიშვილის სახელობის თბილისის სახელმწიფო უნივერსიტეტი
2015 - 2017
სპეციალიზაცია მანქანურ სწავლებასა და ღრმა სწავლების სისტემებში.
ბაკალავრის ხარისხი კომპიუტერულ მეცნიერებაში
საქართველოს ტექნიკური უნივერსიტეტი
2011 - 2015
ფოკუსი ალგორითმებზე, სტატისტიკასა და განაწილებულ სისტემებზე.
კურსები და სერტიფიკატები
AWS Certified Machine Learning - Specialty
Amazon Web Services
2023
სერტიფიკატის ID: AWS-MLS-2023-58104
TensorFlow Developer Certificate
Google
2021
პროფესიული სერტიფიკაცია TensorFlow მოდელების აგებასა და სწავლებაში.
ხელოვნური ინტელექტის პროგრამა
ბიზნესისა და ტექნოლოგიების უნივერსიტეტი (BTU)
2020
გამოყენებითი მანქანური სწავლებისა და ღრმა სწავლების სასერტიფიკატო პროგრამა.
ენები
ქართული
ლაპარაკი: მშობლიურიმოსმენა: მშობლიურიწერა: მშობლიური
ინგლისური
ლაპარაკი: თავისუფლადმოსმენა: თავისუფლადწერა: თავისუფლად
ეს არის სანიმუშო რეზიუმე. მოარგეთ იგი თქვენს გამოცდილებას ჩვენი უფასო რეზიუმეს შემქმნელის გამოყენებით.
რეზიუმეს რჩევები
აჩვენეთ საწარმოო ML, არა მხოლოდ ნოუთბუქები
კომპანიებს სურთ ინჟინრები, რომლებიც მოდელებს ნერგავენ და არა მხოლოდ ასწავლიან მათ. ხაზი გაუსვით მოდელის სერვინგს, შეყოვნების მეტრიკებს, მონიტორინგსა და MLOps კონვეიერის გამოცდილებას.
ჩართეთ მოდელის წარმადობის მეტრიკები
სიზუსტე, F1, AUC-ROC, შეყოვნება და გამტარუნარიანობა ამტკიცებს, რომ თქვენი მოდელები ნამდვილად მუშაობს მასშტაბურად. '80 ms-ზე ნაკლები P99 შეყოვნება დღეში 10 მილიონ პროგნოზზე' შთამბეჭდავია.
ახსენეთ ML-ის სრული სასიცოცხლო ციკლი
მონაცემთა შეგროვება, ფუნქციების ინჟინერია, მოდელის სწავლება, შეფასება, დანერგვა, მონიტორინგი. აჩვენეთ, რომ გესმით სრული კონვეიერი და არა მხოლოდ მოდელირების ეტაპი.
ჩამოთვალეთ პუბლიკაციები და ღია კოდი
ML ინჟინერია აფასებს კვლევით წვლილს. თუ გაქვთ სტატიები, კონფერენციის მოხსენებები ან მნიშვნელოვანი ღია კოდის წვლილი, ჩართეთ ისინი თვალსაჩინოდ.
ML ინჟინრის რეზიუმე უნდა დაამტკიცოს, რომ თქვენ არა მხოლოდ ასწავლით მოდელებს, არამედ ნერგავთ და მხარს უჭერთ მათ საწარმოო გარემოში. ქვემოთ მოცემულია 5 ნაბიჯი, რომლებიც დაგეხმარებათ ისეთი რეზიუმეს შექმნაში, რომელიც გამოირჩევა ATS სისტემებშიც და HR-ისთვისაც.
1
დაწერეთ ძლიერი პროფესიული შეჯამება
პროფესიული შეჯამება პირველივე რამდენიმე ხაზში უნდა აჩვენებდეს თქვენს დონეს, სპეციალიზაციასა და ტექნოლოგიურ სტეკს, ერთი კონკრეტული საწარმოო მეტრიკით. მაგალითად: 'უფროსი ML ინჟინერი, რომელმაც დანერგა მოდელები, რომლებიც ემსახურება 2 მილიონ პროგნოზს დღეში, P95 შეყოვნებით 50 ms-ზე ნაკლები'. დამწყებთათვის საკმარისია ხაზი გაუსვათ განათლებას, პროექტებსა და Kaggle ან GitHub გამოცდილებას გამოცდილების ნაცვლად. მოერიდეთ ზოგად ფრაზებს - აჩვენეთ კონკრეტული დომენი (NLP, კომპიუტერული მხედველობა, რეკომენდაციები) და ინსტრუმენტები.
2
დაწერეთ სამუშაო გამოცდილების რაოდენობრივი bullet-ები
სამუშაო გამოცდილების თითოეული bullet უნდა აჩვენებდეს ბოლომდე გავლენას - არა მხოლოდ რას აკეთებდით, არამედ რა შედეგი მოჰყვა ბიზნესს. დაასახელეთ კონკრეტული framework თუ ინსტრუმენტი, მოდელის სიზუსტის ზრდა ბიზნეს მეტრიკასთან დაკავშირებით, სერვინგის შეყოვნება ან ხარჯის შემცირება, და მონაცემთა მასშტაბი. მაგალითად: 'დანერგა თაღლითობის აღმოჩენის მოდელი XGBoost-ითა და SageMaker-ით, რამაც თაღლითური ტრანზაქციები 30%-ით შეამცირა და წელიწადში 400 ათასი ლარი დაზოგა.' რიცხვების გარეშე bullet-ი ნაკლებად დამაჯერებელია დაქირავების მენეჯერისთვის.
3
დააჯგუფეთ უნარები ისე, რომ ATS-მაც და ადამიანმაც წაიკითხოს
დაყავით უნარების სექცია კატეგორიებად: ML framework-ები (PyTorch, TensorFlow, Scikit-learn), MLOps და ინფრასტრუქტურა (Docker, Kubernetes, MLflow, Kubeflow), მონაცემთა ინჟინერია (Spark, SQL, Airflow) და პროგრამირების ენები. გამოიყენეთ იგივე ტერმინები, რასაც ვაკანსიის განცხადება იყენებს - ეს აუმჯობესებს ATS-ის შესატყვისობას. ნუ ჩამოთვლით ყველა ბიბლიოთეკას, რასაც ოდესმე შეხებია - აჩვენეთ სიღრმე რამდენიმე ძირითად ინსტრუმენტში, ვიდრე ზედაპირული ცოდნა ათობით ხელსაწყოში.
4
აჩვენეთ საწარმოო კოდი და პროექტები, არა მხოლოდ ნოუთბუქები
GitHub-ზე დანერგილი პროექტი (მაგალითად, RAG აპლიკაცია API-ითა და Docker კონტეინერით) ბევრად მეტს ამბობს, ვიდრე კურსების სია. Kaggle-ის შედეგები, ღია კოდის წვლილი და LLM/GenAI საპროექტო გამოცდილება (fine-tuning, RAG კონვეიერები, ვექტორული ბაზები) დღეს ყველაზე შესამჩნევი სიგნალია დამსაქმებლისთვის. კვლევაზე ორიენტირებულ პოზიციებზე მიუთითეთ პუბლიკაციები; დამწყები ინჟინრებისთვის საკმარისია რეპროდუცირებადი repo, რომელიც სუფთა კოდით და README-ით არის გაფორმებული.
5
დაამატეთ განათლება, სერტიფიკატები და გაიარეთ ATS შემოწმება
მიუთითეთ მაგისტრის ან საბაკალავრო ხარისხი კომპიუტერულ მეცნიერებაში, ასევე რელევანტური სერტიფიკატები, როგორიცაა AWS Certified Machine Learning - Specialty ან Google Cloud Professional ML Engineer, თუ გაქვთ. ბოლოს გადაამოწმეთ, რომ რეზიუმე არის ერთსვეტიანი, სტანდარტული სათაურებით (გამოცდილება, განათლება, უნარები), PDF ფორმატში და შეიცავს საკვანძო სიტყვებს ვაკანსიის განცხადებიდან - ეს განსაზღვრავს, გაივლის თუ არა ATS ფილტრს.
მზა პროფესიული შეჯამების მაგალითები
დააკოპირეთ და მოარგეთ ეს შეჯამებები თქვენს დონესა და გამოცდილებას.
დამწყები ML ინჟინერი გამოცდილების გარეშე
კომპიუტერული მეცნიერების კურსდამთავრებული, სპეციალიზაცია მანქანურ სწავლებაში. ავაშენე და დავნერგე სენტიმენტის ანალიზის RAG აპლიკაცია LangChain-ითა და FastAPI-ით, დანერგილი Docker კონტეინერით. Kaggle-ის კონკურსში ტოპ 8%-ში დავფინიშდი გამოსახულების კლასიფიკაციის ამოცანაში. თავისუფლად ვფლობ Python-ს, PyTorch-სა და SQL-ს. ვეძებ პირველ სრულ განაკვეთზე პოზიციას საწარმოო ML სისტემებზე სამუშაოდ.
უფროსი ML ინჟინერი
უფროსი მანქანური სწავლების ინჟინერი 6+ წლიანი გამოცდილებით ფინტექ დომენში თაღლითობის აღმოჩენის სისტემების აგებაში. დავნერგე მოდელები, რომლებიც ყოველდღიურად ამუშავებენ 5 მილიონზე მეტ ტრანზაქციას 99.9% ხელმისაწვდომობით და 40 ms P95 შეყოვნებით. ღრმა ექსპერტიზა MLOps-ში (Kubeflow, MLflow), განაწილებულ სწავლებასა და LLM-ზე დაფუძნებულ თაღლითობის ალერტების სისტემებში. ვხელმძღვანელობდი 4 ინჟინრისგან შემდგარ გუნდს.
კარიერის შემცვლელი (Software Engineer-იდან ML-ში)
Backend პროგრამისტი 5 წლიანი გამოცდილებით, ბოლო 2 წელია ვმუშაობ ML საწარმოო სისტემებზე. ჩემი მყარი საინჟინრო საფუძველი (CI/CD, მიკროსერვისები, Kubernetes) მაძლევს უპირატესობას მოდელების საიმედო დანერგვასა და მასშტაბირებაში. დავასრულე Stanford-ის CS229 ონლაინ კურსი და დავნერგე რეკომენდაციის სისტემა, რომელმაც კონვერსია 12%-ით გაზარდა. ვეძებ გადასვლას სრულ განაკვეთზე ML ინჟინრის როლში.
საკვანძო სიტყვები ATS-სთვის
ეს ტერმინები ინგლისურად რჩება, რადგან ასეთივე ფორმით ეძებენ მათ ATS სისტემები და დამქირავებლები საქართველოშიც - გამოიყენეთ ისინი ვაკანსიის განცხადების ფორმულირების მიხედვით.
Machine Learning
ჩართეთ სათაურსა და შეჯამებაში ზუსტად ამ ფორმულირებით, ვინაიდან ATS ხშირად ამ ფრაზას ეძებს.
Python
მიუთითეთ უნარების სექციაში და დაადასტურეთ პროექტების აღწერაში.
PyTorch / TensorFlow
დაასახელეთ ის framework, რომელსაც რეალურად იყენებთ - ორივეს ჩამონათვალი დამაჯერებელია მხოლოდ რეალური პროექტების არსებობისას.
MLOps
გამოიყენეთ, თუ გაქვთ დანერგვის, მონიტორინგისა და გადასწავლების კონვეიერების გამოცდილება.
Docker / Kubernetes
მიუთითეთ კონტეინერიზაციისა და ორკესტრაციის კონკრეტულ პროექტთან ერთად.
SQL
თითქმის ყველა ვაკანსია ითხოვს - აჩვენეთ რთული query-ების ან მონაცემთა კონვეიერების მაგალითით.
Spark
ხაზგასმით აღნიშნეთ, თუ გაქვთ დიდი მოცულობის მონაცემებთან მუშაობის გამოცდილება.
NLP / LLM
2026 წლის ყველაზე მოთხოვნადი სიგნალია - მიუთითეთ fine-tuning, RAG ან prompt evaluation გამოცდილება.
AWS SageMaker / Vertex AI
დაასახელეთ კონკრეტული cloud პლატფორმა, რომელზეც გაქვთ დანერგვის გამოცდილება.
CI/CD
აჩვენებს, რომ თქვენი საინჟინრო პრაქტიკა სცილდება ნოუთბუქებს და ეხება საწარმოო კოდის ხარისხს.
სუსტი და ძლიერი bullet-ების მაგალითები
ერთი და იგივე გამოცდილება შეიძლება სუსტად ან დამაჯერებლად აღიწეროს - სხვაობა კონკრეტიკასა და რიცხვებშია.
მოდელის დანერგვა
ავაშენე და დავნერგე მანქანური სწავლების მოდელი.
დავნერგე რეკომენდაციის მოდელი TensorFlow Serving-ითა და Kubernetes-ით, რომელიც ემსახურება 3 მილიონ მომხმარებელს 60 ms-ზე ნაკლები P95 შეყოვნებით და სერვინგის ხარჯი 35%-ით შეამცირა.
მოდელის გაუმჯობესება
გავაუმჯობესე მოდელის სიზუსტე.
გავაუმჯობესე თაღლითობის აღმოჩენის მოდელის precision 18%-ით feature engineering-სა და ensemble მეთოდებით, რამაც ყოველთვიურად 250 ათასი ლარის დანაკარგი აიცილა.
MLOps კონვეიერი
ავაწყვე ML კონვეიერი მოდელების გადასწავლებისთვის.
ავაწყვე ავტომატური გადასწავლების კონვეიერი MLflow-სა და Airflow-ით, რომელმაც მოდელის განახლების დრო 2 კვირიდან 4 საათამდე შეამცირა და 8 საწარმოო მოდელს ემსახურება.
ხშირად დასმული კითხვები
რა უნდა შეიცავდეს მანქანური სწავლების ინჟინრის რეზიუმე?
ML ინჟინრის რეზიუმეში ხაზგასმული უნდა იყოს საწარმოო ML სისტემები, მოდელის წარმადობის მეტრიკები, დანერგვის კონვეიერის გამოცდილება და პროგრამირების უნარები (Python, PyTorch/TensorFlow). ჩართეთ შეყოვნების, გამტარუნარიანობისა და ბიზნესზე გავლენის მეტრიკები დანერგილი მოდელებიდან.
რა განსხვავებაა მონაცემთა მეცნიერისა და ML ინჟინრის რეზიუმეს შორის?
ML ინჟინრის რეზიუმე ხაზს უსვამს საწარმოო სისტემებს, დანერგვას, MLOps-სა და საინჟინრო პრაქტიკას. მონაცემთა მეცნიერის რეზიუმე უფრო მეტად ფოკუსირდება ანალიზზე, ექსპერიმენტირებასა და სტატისტიკურ მეთოდებზე. ML ინჟინრები აგებენ სისტემებს; მონაცემთა მეცნიერები აგებენ მოდელებს.
მჭირდება მაგისტრის ხარისხი ML ინჟინერიისთვის?
ბევრი ML ინჟინრის პოზიცია უპირატესობას ანიჭებს მაგისტრის ან დოქტორის ხარისხს, მაგრამ ის ყოველთვის სავალდებულო არ არის. ძლიერი საპროექტო გამოცდილება, ღია კოდის წვლილი და საწარმოო ML სისტემების დანერგვის დემონსტრირებული უნარი შეიძლება აანაზღაუროს ფორმალური განათლება.
შემიძლია ML ინჟინრის რეზიუმე უფასოდ შევქმნა?
დიახ! ჩვენი უფასო რეზიუმეს შემქმნელი საშუალებას გაძლევთ შექმნათ პროფესიული ML ინჟინრის რეზიუმე. გამოიყენეთ ეს მაგალითი ინსპირაციისთვის, მოარგეთ თქვენს გამოცდილებას და ჩამოტვირთეთ პროფესიული PDF რამდენიმე წუთში.
როგორ დავწერო ML ინჟინრის რეზიუმე გამოცდილების გარეშე?
თუ არ გაქვთ ფორმალური სამუშაო გამოცდილება, ხაზი გაუსვით დანერგილ პროექტებს - Kaggle შედეგებს, GitHub რეპოზიტორიებს დანერგილი მოდელებით და პირად RAG ან NLP აპლიკაციებს. მიუთითეთ კურსები, ჰაკათონები და ღია კოდის წვლილი. დამსაქმებლებისთვის კონკრეტული, დანერგილი პროექტი ბევრად უფრო ღირებულია, ვიდრე კურსების სია.
როგორ ავღწერო LLM და GenAI გამოცდილება რეზიუმეში?
2026 წელს LLM/GenAI გამოცდილება ყველაზე შესამჩნევი სიგნალია. მიუთითეთ კონკრეტული სამუშაო - fine-tuning, RAG კონვეიერების აგება, ვექტორული ბაზების გამოყენება (Pinecone, Weaviate) ან prompt evaluation სისტემები, რიცხვებთან ერთად (მაგ. პასუხის სიზუსტის ან ლატენტობის გაუმჯობესება). ზოგადი 'ChatGPT-ის გამოყენების' ხსენება საკმარისი არ არის - აჩვენეთ ტექნიკური სიღრმე.
პროექტები თუ სამუშაო გამოცდილება - რას ითვლის დამსაქმებელი?
Kaggle შედეგები, დანერგილი GitHub პროექტები და საწარმოო-დონის side project-ები სრულფასოვნად ითვლება, განსაკუთრებით დამწყები ინჟინრებისთვის. მთავარია, პროექტი იყოს დანერგილი (არა მხოლოდ ნოუთბუქი) და შეიცავდეს რეალურ მეტრიკებს - სიზუსტეს, შეყოვნებას ან მასშტაბს.
ღირს თუ არა AWS ML Specialty ან GCP ML Engineer სერტიფიკატის ჩამატება?
სერტიფიკატები, როგორიცაა AWS Certified Machine Learning - Specialty თუ Google Cloud Professional ML Engineer, კარგი დანამატია და აჩვენებს ცოდნის სისტემურობას, მაგრამ ისინი ვერ ჩაანაცვლებენ დანერგილ პროექტებს. საუკეთესო კომბინაცია არის სერტიფიკატი პლუს რეალური, საწარმოო მასშტაბის სამუშაო.
ML ინჟინრის რეზიუმე ინგლისურად უნდა იყოს თუ ქართულად?
საერთაშორისო ან დისტანციური კომპანიებისთვის, ისევე როგორც უცხოური ინვესტიციის მქონე ტექ კომპანიებისთვის საქართველოში, თარგმნეთ რეზიუმე ინგლისურად - ML ინდუსტრიის ტერმინოლოგია და დოკუმენტაცია თითქმის ყოველთვის ინგლისურია. ადგილობრივი ბანკებისა და კომპანიებისთვის ქართული ვერსიაც სავსებით მისაღებია, თუმცა ორივე ვერსიის მომზადება ზრდის თქვენს შანსებს.
შემიძლია ჩამოვტვირთო ML ინჟინრის რეზიუმეს შაბლონი ქართულად?
დიახ - ეს მაგალითი სრულად რედაქტირებადია ჩვენს უფასო შემქმნელში. აირჩიეთ ერთ-ერთი 3 ATS-თავსებადი შაბლონიდან, შეცვალეთ ტექსტი თქვენს გამოცდილებაზე და ჩამოტვირთეთ პროფესიული PDF მყისიერად, რეგისტრაციის გარეშე.
შექმენით თქვენი რეზიუმე ახლავე
გამოიყენეთ ეს მაგალითი ინსპირაციისთვის. მოარგეთ თქვენს გამოცდილებას და ჩამოტვირთეთ პროფესიული PDF რამდენიმე წუთში. 100% უფასო.
