Lihat bagaimana resume jurutera ML profesional mempamerkan pembangunan model, saluran penggunaan dan sistem ML pengeluaran. Sesuaikan contoh ini dengan latar belakang anda sendiri.
[email protected]+60 13-287 4561Cyberjaya, Selangor, MalaysiaLesen Memandu Kelas D
Ringkasan Profesional
Jurutera pembelajaran mesin kanan dengan pengalaman 7 tahun membina dan menggunakan sistem ML pengeluaran berskala besar. Pakar dalam NLP, sistem cadangan dan seni bina pembelajaran mendalam, dengan model yang menyajikan 10J+ ramalan sehari pada kependaman bawah 100ms. Menerbitkan 3 kertas kerja di persidangan ML peringkat tinggi termasuk NeurIPS dan ICML. Bersemangat merapatkan jurang antara penyelidikan dan pengeluaran, dengan kepakaran praktikal dalam MLOps, latihan teragih dan pengoptimuman inferens masa nyata.
Pengalaman Kerja
Jurutera Pembelajaran Mesin Kanan
Grab
Jun 2022 - Kini
Membina enjin cadangan yang menyajikan 10J+ ramalan harian dengan ketersediaan 99.5% dan kependaman P99 bawah 80ms
Membangunkan saluran ML hujung ke hujung dari penyerapan data hingga penggunaan model menggunakan Kubeflow dan MLflow, mengurangkan masa penggunaan dari 2 minggu ke 3 jam
Meningkatkan kadar klik lalu sebanyak 25% melalui perubahan seni bina model yang diuji A/B merentasi 4 permukaan produk
Mereka bentuk dan melaksanakan stor ciri yang menyajikan 500+ ciri kepada 12 model pengeluaran, mengurangkan pertindihan kejuruteraan ciri sebanyak 70%
Membimbing 3 jurutera ML junior dan mewujudkan proses semakan model yang diguna pakai merentasi pasukan platform ML
Jurutera Pembelajaran Mesin
MoneyLion
Ogos 2019 - Mei 2022
Memperhalusi model BERT dan GPT-2 untuk pengklasifikasian dokumen mencapai 97% ketepatan pada set data pengeluaran merentasi 15 bahasa
Membina saluran analisis teks masa nyata yang memproses 500K dokumen sehari menggunakan Spark dan Kafka dengan kependaman hujung ke hujung bawah 200ms
Mengurangkan masa latihan model sebanyak 60% melalui latihan teragih pada kluster GPU menggunakan Horovod dan PyTorch DDP
Melaksanakan sistem pemantauan model dan pengesanan hanyut yang mencetuskan latihan semula automatik, mengekalkan ketepatan model melebihi SLA 95%
Jurutera Pembelajaran Mesin
Mesiniaga Berhad
Julai 2017 - Julai 2019
Membangunkan model pengklasifikasian imej dengan 94% ketepatan untuk penandaan kandungan, memproses 3J+ aset dan mengurangkan usaha semakan manual sebanyak 65%
Mencipta saluran penambahan data yang meningkatkan saiz set data latihan 5x menggunakan teknik termasuk CutMix, MixUp dan penjanaan sintetik
Menerbitkan kertas penyelidikan mengenai kaedah pembelajaran pindahan di bengkel ICML, menerima 50+ petikan dalam tahun pertama
Membina papan pemuka kebolehjelasan model interaktif menggunakan SHAP dan LIME, membolehkan pihak berkepentingan bukan teknikal mentafsir ramalan
Pendidikan
Sarjana Sains Komputer (Pembelajaran Mesin)
Universiti Malaya
2015 - 2017
Tumpuan dalam pembelajaran mesin dan sistem pembelajaran mendalam.
Sarjana Muda Sains Komputer
Universiti Kebangsaan Malaysia
2011 - 2015
Fokus pada algoritma, statistik dan sistem teragih.
Kursus & Pensijilan
AWS Certified Machine Learning - Specialty
Amazon Web Services
2023
ID Pensijilan: AWS-MLS-2023-58104
TensorFlow Developer Certificate
Google
2021
Pensijilan profesional dalam membina dan melatih model TensorFlow.
Sijil Profesional Sains Data dan AI
Institut Latihan Profesional MARA (Kuala Lumpur)
2020
Program latihan meliputi kejuruteraan data dan asas sistem ML.
Bahasa
Bahasa Melayu
Bertutur: NatifMendengar: NatifMenulis: Natif
Bahasa Inggeris
Bertutur: FasihMendengar: FasihMenulis: Fasih
Bahasa Mandarin
Bertutur: SederhanaMendengar: SederhanaMenulis: Asas
Ini adalah resume contoh. Gunakan pembina resume percuma untuk menyesuaikan dengan pengalaman anda sendiri.
Petua Resume
Tunjukkan ML Pengeluaran, Bukan Sekadar Notebook
Syarikat mahukan jurutera yang menggunakan model, bukan sekadar melatihnya. Tonjolkan penyajian model, metrik kependaman, pemantauan dan pengalaman saluran MLOps.
Sertakan Metrik Prestasi Model
Ketepatan, F1, AUC-ROC, kependaman dan nombor pemprosesan menunjukkan model anda benar-benar berfungsi pada skala besar. Kependaman P99 bawah 80ms menyajikan 10J ramalan sehari adalah berkuasa.
Nyatakan Kitaran Hayat ML Penuh
Pengumpulan data, kejuruteraan ciri, latihan model, penilaian, penggunaan, pemantauan. Tunjukkan anda memahami keseluruhan saluran, bukan sekadar langkah pemodelan.
Senaraikan Penerbitan dan Sumber Terbuka
Kejuruteraan ML menghargai sumbangan penyelidikan. Jika anda mempunyai kertas kerja, pembentangan persidangan atau sumbangan sumber terbuka yang penting, sertakan dengan jelas.
Kemahiran Utama
PythonPyTorch/TensorFlowPembangunan Saluran MLPenggunaan ModelMLOps (Kubeflow/MLflow)NLP/Penglihatan KomputerPembelajaran MendalamLatihan TeragihKejuruteraan CiriUjian A/BAWS SageMakerKejuruteraan Data
Cara Menulis Resume Jurutera Pembelajaran Mesin (ML Engineer) yang Berkesan
Resume jurutera ML yang kukuh menonjolkan sistem yang benar-benar digunakan dalam pengeluaran, bukan sekadar model yang dilatih dalam notebook. Ikuti 5 langkah ini untuk membina resume yang lulus penapisan ATS dan meyakinkan perekrut teknikal.
1
Tulis ringkasan profesional yang menunjukkan skala pengeluaran
Ringkasan profesional adalah 3-4 ayat pertama yang dibaca perekrut, jadi nyatakan tahap kekananan, domain kepakaran (contohnya sistem cadangan, NLP, penglihatan komputer), tindanan teknologi utama (Python, PyTorch/TensorFlow) dan satu metrik pengeluaran utama seperti "menggunakan model yang menyajikan 2 juta ramalan sehari pada kependaman P95 bawah 50ms". Bagi jurutera ML junior atau baharu bergraduat tanpa pengalaman kerja formal, gantikan metrik pengeluaran dengan ijazah, projek yang telah digunakan (deployed) dan pangkat Kaggle atau pautan GitHub yang menunjukkan keupayaan sebenar membina sistem ML, bukan sekadar mengikuti kursus dalam talian.
2
Kuantifikasikan setiap bullet pengalaman kerja
Setiap bullet dalam pengalaman kerja perlu menunjukkan impak hujung ke hujung yang boleh diukur — bukan sekadar tugasan. Gunakan format: kata kerja tindakan + apa yang dibina + alat/rangka kerja + hasil berangka yang dikaitkan dengan perniagaan, kependaman atau kos penyajian. Contohnya: "Menggunakan model pengesanan penipuan menggunakan XGBoost dan Docker pada Kubernetes, mengurangkan kerugian penipuan sebanyak 18% sambil mengekalkan kependaman inferens bawah 40ms bagi 50K transaksi sesaat." Elakkan bullet generik seperti "bertanggungjawab untuk model ML" — perekrut dan sistem ATS mencari nombor dan nama teknologi khusus, bukan penerangan tugas semata-mata.
3
Susun bahagian kemahiran mengikut kumpulan yang mudah diimbas
Susun bahagian kemahiran mengikut kategori: Rangka Kerja ML (PyTorch, TensorFlow, Scikit-learn), MLOps & Infrastruktur (Docker, Kubernetes, MLflow, Kubeflow), Kejuruteraan Data (Spark, SQL, Airflow) dan Bahasa Pengaturcaraan (Python, Java/Scala jika relevan). Cerminkan istilah tepat yang digunakan dalam iklan jawatan — jika iklan menyebut "Vertex AI" gunakan istilah itu, bukan "Google Cloud ML" secara umum, kerana sistem ATS memadankan perkataan tepat. Jangan senaraikan setiap perpustakaan yang pernah anda sentuh; tumpukan pada 10-15 kemahiran yang menunjukkan kedalaman sebenar dan sepadan dengan keperluan jawatan.
4
Tunjukkan projek pengeluaran dan kod, bukan sekadar notebook
Bahagian projek atau pautan GitHub sering lebih meyakinkan daripada senarai kursus, terutamanya bagi jurutera junior. Satu repositori dengan model yang benar-benar digunakan (contohnya API Flask/FastAPI yang menyajikan model, atau aplikasi RAG lengkap dengan pangkalan data vektor) bernilai lebih daripada lima sijil kursus. Sertakan projek LLM/GenAI seperti penalaan halus (fine-tuning) model sumber terbuka, saluran RAG atau penilaian prom (prompt evaluation) — ini isyarat paling dicari perekrut ML pada 2026. Bagi peranan berorientasikan penyelidikan, senaraikan kertas kerja yang diterbitkan; bagi junior, kedudukan Kaggle dan repositori yang boleh dihasilkan semula menunjukkan keupayaan sebenar.
5
Senaraikan pendidikan, pensijilan dan semak asas ATS
Senaraikan ijazah Sarjana atau PhD dalam Sains Komputer/ML jika ada, tetapi ia tidak wajib jika pengalaman projek kukuh. Pensijilan seperti AWS Certified Machine Learning – Specialty atau Google Cloud Professional Machine Learning Engineer menambah kredibiliti, terutamanya bagi jurutera yang beralih kerjaya. Sebelum menghantar, semak asas ATS: satu lajur (single column), tajuk bahagian standard (Pengalaman Kerja, Pendidikan, Kemahiran), format PDF, dan sepadankan kata kunci daripada iklan jawatan sebenar dalam resume anda.
Contoh Ringkasan Profesional untuk Resume Jurutera ML
Salin dan sesuaikan ringkasan berikut mengikut tahap kerjaya dan domain kepakaran anda sendiri.
Jurutera ML Junior / Baharu Bergraduat
Baharu bergraduat Sarjana Muda Sains Komputer dengan penumpuan pembelajaran mesin, mahir Python, PyTorch dan Scikit-learn. Membina dan menggunakan aplikasi RAG menggunakan LangChain dan pangkalan data vektor Pinecone sebagai projek akhir tahun, digunakan pada Docker dan Streamlit. Mencapai kedudukan 8% teratas dalam pertandingan pengelasan Kaggle. Mencari peranan jurutera ML permulaan untuk menyumbang kepada saluran pengeluaran sambil mendalami MLOps.
Jurutera ML Kanan
Jurutera pembelajaran mesin kanan dengan 8 tahun pengalaman membina sistem cadangan dan pengesanan penipuan berskala besar dalam fintech. Menggunakan model yang menyajikan 3 juta ramalan sehari pada kependaman P95 bawah 60ms menggunakan Kubernetes dan MLflow. Memimpin migrasi saluran ML kepada seni bina berasaskan Vertex AI, mengurangkan kos penyajian sebanyak 35%. Mahir membimbing jurutera junior dan menerajui keputusan seni bina ML merentasi pasukan.
Penukar Kerjaya daripada Kejuruteraan Perisian
Jurutera perisian dengan 5 tahun pengalaman membina sistem back-end berskala besar, kini beralih ke kejuruteraan ML dengan asas kukuh dalam Python, CI/CD dan seni bina microservices. Menyelesaikan Sijil Profesional TensorFlow Developer dan membina serta menggunakan model pengelasan imej menggunakan Docker dan AWS SageMaker sebagai projek sampingan. Membawa kematangan kejuruteraan perisian yang jarang ada dalam pasukan sains data — ideal untuk peranan yang memerlukan kod pengeluaran yang boleh dipercayai.
Kata Kunci ATS Penting untuk Resume Jurutera Pembelajaran Mesin
Sistem ATS dan perekrut kedua-duanya mengimbas resume untuk istilah tepat daripada iklan jawatan — cerminkan bahasa iklan tersebut dalam resume anda.
Machine Learning
Sebutkan dalam tajuk jawatan dan ringkasan profesional; ini istilah teras yang diimbas oleh hampir semua sistem ATS.
Python
Bahasa pengaturcaraan paling penting bagi jurutera ML; senaraikan dalam kemahiran dan sokong dengan projek sebenar.
PyTorch
Nyatakan rangka kerja spesifik yang anda gunakan (PyTorch atau TensorFlow) berbanding hanya "deep learning" secara umum.
TensorFlow
Jika anda mempunyai Sijil TensorFlow Developer atau pengalaman pengeluaran dengannya, sebutkan secara jelas.
MLflow/Kubeflow
Tunjukkan pengalaman MLOps sebenar dalam menjejak eksperimen dan menggunakan model, bukan sekadar melatih model.
Docker/Kubernetes
Kemahiran kontena adalah asas bagi mana-mana peranan penggunaan ML pengeluaran hari ini.
SQL
Kemahiran asas untuk kejuruteraan ciri dan pengambilan data latihan; hampir setiap iklan jawatan ML menyebutnya.
Apache Spark
Sertakan jika anda mempunyai pengalaman memproses data berskala besar untuk latihan model.
NLP/LLM
Isyarat paling panas bagi 2026 — sebutkan pengalaman penalaan halus, RAG atau penilaian prom jika berkaitan.
AWS SageMaker/Vertex AI
Nyatakan platform awan khusus yang anda gunakan untuk melatih dan menggunakan model dalam pengeluaran.
Contoh Bullet Point: Lemah lawan Kukuh
Tukarkan penerangan tugas generik kepada pernyataan impak berangka yang menunjukkan hasil pengeluaran sebenar.
Penggunaan Model (Model Deployment)
Bertanggungjawab menggunakan model pembelajaran mesin ke pengeluaran.
Menggunakan model pengesyoran menggunakan FastAPI dan Kubernetes, menyajikan 1.2 juta permintaan sehari pada kependaman P95 45ms sambil mengurangkan kos pelayan sebanyak 30%.
Penambahbaikan Model (Model Improvement)
Menambah baik ketepatan model pengelasan.
Meningkatkan AUC model pengesanan penipuan daripada 0.82 kepada 0.91 melalui kejuruteraan ciri dan penalaan hiperparameter, mengurangkan kerugian penipuan tahunan sebanyak RM2.4 juta.
Saluran MLOps / Automasi Latihan Semula
Bekerja pada saluran latihan semula model.
Membina saluran latihan semula automatik menggunakan Kubeflow dan MLflow yang mencetuskan latihan semula apabila hanyut data dikesan, mengurangkan masa penggunaan semula daripada 2 minggu kepada 4 jam dan mengekalkan ketepatan model melebihi 95% SLA.
Soalan Lazim
Apakah yang perlu disertakan dalam resume jurutera pembelajaran mesin?
Resume jurutera ML perlu menonjolkan sistem ML pengeluaran, metrik prestasi model, pengalaman saluran penggunaan dan kemahiran pengaturcaraan (Python, PyTorch/TensorFlow). Sertakan metrik kependaman, pemprosesan dan impak perniagaan daripada model yang digunakan.
Apakah perbezaan antara resume saintis data dan jurutera ML?
Resume jurutera ML menekankan sistem pengeluaran, penggunaan, MLOps dan amalan kejuruteraan. Resume saintis data lebih tertumpu pada analisis, eksperimen dan kaedah statistik. Jurutera ML membina sistem; saintis data membina model.
Adakah saya memerlukan ijazah sarjana untuk kejuruteraan ML?
Banyak jawatan jurutera ML lebih mengutamakan ijazah sarjana atau PhD, tetapi ia tidak selalu diwajibkan. Pengalaman projek yang kukuh, sumbangan sumber terbuka dan keupayaan terbukti menggunakan sistem ML pengeluaran boleh mengimbangi pendidikan formal. Jawatan kosong di Malaysia boleh didapati di JobStreet dan Maukerja.
Bolehkah saya mencipta resume jurutera ML secara percuma?
Ya! Pembina resume percuma kami membolehkan anda mencipta resume jurutera ML profesional. Gunakan contoh ini sebagai inspirasi, sesuaikan dengan pengalaman anda dan muat turun PDF profesional dalam beberapa minit.
Bagaimana cara menulis resume jurutera ML tanpa pengalaman kerja?
Tumpukan pada projek yang boleh ditunjukkan berbanding pengalaman kerja formal: model yang telah digunakan (deployed) menggunakan Docker atau Streamlit, aplikasi RAG dengan pangkalan data vektor, atau kedudukan tinggi dalam pertandingan Kaggle. Sertakan pautan GitHub yang berfungsi, bukan sekadar repositori tugasan kursus. Ringkasan profesional anda perlu menekankan ijazah, tindanan teknikal dan satu projek unggul dengan hasil konkrit. Gunakan pembina resume percuma kami untuk menyesuaikan contoh ini dengan latar belakang anda sendiri.
Bagaimana untuk menunjukkan pengalaman LLM/GenAI dalam resume jurutera ML?
Ini isyarat paling dicari perekrut ML pada 2026. Nyatakan projek konkrit: penalaan halus (fine-tuning) model sumber terbuka seperti Llama, membina saluran RAG dengan pangkalan data vektor (Pinecone, Weaviate, FAISS), atau penilaian prom (prompt evaluation) untuk aplikasi pengeluaran. Kuantifikasikan hasil — kadar halusinasi yang dikurangkan, kependaman respons atau kos setiap panggilan API. Walaupun projek sampingan, jika ia digunakan (deployed) dan berfungsi, ia lebih berkuasa daripada senarai kursus GenAI.
Adakah projek Kaggle atau GitHub dikira sebagai pengalaman dalam resume ML?
Ya, terutamanya bagi jurutera junior atau penukar kerjaya. Kedudukan teratas dalam pertandingan Kaggle menunjukkan kemahiran pemodelan; repositori GitHub dengan model yang benar-benar digunakan (contohnya API yang berfungsi, bukan sekadar notebook Jupyter) menunjukkan keupayaan kejuruteraan sebenar yang dicari majikan. Senaraikan projek ini dalam bahagian berasingan dengan pautan langsung, metrik hasil dan tindanan teknologi yang digunakan — sama seperti anda menerangkan pengalaman kerja.
Adakah pensijilan seperti AWS ML Specialty atau GCP Professional ML Engineer berbaloi?
Pensijilan ini menambah kredibiliti dan boleh membantu resume anda lulus penapisan ATS awal, terutamanya jika anda kurang pengalaman kerja formal. Walau bagaimanapun, ia tidak menggantikan projek sebenar — perekrut ML lebih mementingkan bukti anda boleh membina dan menggunakan sistem berfungsi berbanding hanya lulus peperiksaan. Sertakan pensijilan dalam bahagian pendidikan, tetapi pastikan bahagian projek dan pengalaman kerja anda tetap menjadi tumpuan utama.
Patutkah resume jurutera ML saya dalam Bahasa Inggeris atau Bahasa Melayu?
Bagi kebanyakan peranan jurutera ML di Malaysia — terutamanya di syarikat multinasional dan firma teknologi seperti Grab, Shopee atau firma fintech — resume dalam Bahasa Inggeris lebih diterima dan sering menjadi kelaziman kerana istilah teknikal ML jarang diterjemahkan. Bagi syarikat tempatan atau sektor kerajaan, resume Bahasa Melayu boleh diterima. Jika teragak-agak, sediakan kedua-dua versi atau sekurang-kurangnya satu versi Bahasa Inggeris untuk permohonan antarabangsa.
Bolehkah saya muat turun templat resume jurutera ML dalam Bahasa Melayu?
Ya, pembina resume percuma kami membolehkan anda menyesuaikan contoh ini terus dalam Bahasa Melayu, memilih daripada 3 templat mesra ATS, dan memuat turun PDF profesional dalam beberapa minit tanpa perlu mendaftar akaun.
Bina Resume Anda Sekarang
Gunakan contoh ini sebagai inspirasi. Sesuaikan dengan pengalaman anda sendiri dan muat turun PDF profesional dalam beberapa minit. 100% percuma.
