Poglejte, kako profesionalen življenjepis ML inženirja prikazuje razvoj modelov, cevovode za uvajanje in produkcijske ML sisteme. Prilagodite ta primer svojim izkušnjam.
[email protected]+386 41 678 124Ljubljana, SlovenijaVozniško dovoljenje kategorije B
Poklicni Povzetek
Višji inženir strojnega učenja s 7-letnimi izkušnjami pri gradnji in uvajanju produkcijskih ML sistemov v velikem obsegu. Specializiran za NLP, priporočilne sisteme in arhitekture globokega učenja, z modeli, ki dnevno strežejo več kot 10 milijonov napovedi z latenco pod 100 ms. Objavil 3 članke na vrhunskih ML konferencah, vključno z NeurIPS in ICML. Predan premoščanju vrzeli med raziskavami in produkcijo, s praktičnim znanjem na področju MLOps, distribuiranega usposabljanja in optimizacije sklepanja v realnem času.
Delovne Izkušnje
Višji inženir strojnega učenja
Outfit7
jun. 2022 – danes
Zgradil priporočilni mehanizem, ki streže več kot 10 milijonov dnevnih napovedi z razpoložljivostjo 99,5 % in P99 latenco pod 80 ms
Razvil celovit ML cevovod od zajema podatkov do uvedbe modela z uporabo Kubeflow in MLflow, kar je skrajšalo čas uvajanja z 2 tednov na 3 ure
Izboljšal stopnjo klikov za 25 % prek A/B testiranih sprememb arhitekture modela na 4 produktnih površinah
Zasnoval in implementiral shrambo značilk, ki streže več kot 500 značilk za 12 produkcijskih modelov, s čimer zmanjšal podvajanje inženiringa značilk za 70 %
Mentoriral 3 mlajše ML inženirje in vzpostavil postopek pregleda modelov, sprejet v celotni ekipi ML platforme
Inženir strojnega učenja
Celtra
avg. 2019 – maj 2022
Fino prilagodil modela BERT in GPT-2 za klasifikacijo dokumentov z 97-odstotno natančnostjo na produkcijskih naborih podatkov v 15 jezikih
Zgradil cevovod za analizo besedila v realnem času, ki dnevno obdeluje 500 tisoč dokumentov z uporabo Spark in Kafka z end-to-end latenco pod 200 ms
Zmanjšal čas usposabljanja modela za 60 % prek distribuiranega usposabljanja na GPU gručah z uporabo Horovod in PyTorch DDP
Implementiral sistem za spremljanje modelov in zaznavanje zdrsa, ki je sprožil samodejno ponovno usposabljanje in ohranjal natančnost modela nad SLA 95 %
Inženir strojnega učenja
Better (Botega)
jul. 2017 – jul. 2019
Razvil model klasifikacije slik z 94-odstotno natančnostjo za označevanje vsebine, ki obdeluje več kot 3 milijone sredstev in zmanjšuje napor ročnega pregleda za 65 %
Ustvaril cevovod za razširitev podatkov, ki je 5-kratno povečal velikost učnega nabora z uporabo tehnik, vključno s CutMix, MixUp in sintetičnim generiranjem
Objavil raziskovalni članek o metodah prenosnega učenja na delavnici ICML, ki je v prvem letu prejel več kot 50 citatov
Zgradil interaktivno nadzorno ploščo za razložljivost modela z uporabo SHAP in LIME, ki netehničnim deležnikom omogoča razlago napovedi
Izobrazba
Magister računalništva (strojno učenje)
Univerza v Ljubljani, Fakulteta za računalništvo in informatiko
2015 - 2017
Specializacija za strojno učenje in sisteme globokega učenja.
Diplomirani inženir računalništva
Univerza v Mariboru, Fakulteta za elektrotehniko, računalništvo in informatiko
2011 - 2015
Poudarek na algoritmih, statistiki in distribuiranih sistemih.
Tečaji in Certifikati
AWS Certified Machine Learning - Specialty
Amazon Web Services
2023
Credential ID: AWS-MLS-2023-58104
TensorFlow Developer Certificate
Google
2021
Profesionalni certifikat za gradnjo in usposabljanje modelov TensorFlow.
Specializacija za globoko učenje
Coursera (DeepLearning.AI)
2020
Petdelna specializacija, ki pokriva CNN, RNN in sekvenčne modele.
Akademija umetne inteligence
Institut Jožef Stefan
2022
Praktični program o produkcijskih ML sistemih in MLOps.
To je vzorčni življenjepis. Prilagodite ga svojim izkušnjam z uporabo našega brezplačnega orodja za izdelavo življenjepisov.
Nasveti za življenjepis
Pokažite produkcijski ML, ne samo zvezkov
Podjetja želijo inženirje, ki modele uvajajo, ne le usposabljajo. Poudarite streženje modelov, metrike latence, spremljanje in izkušnje z MLOps cevovodom.
Vključite metrike zmogljivosti modela
Številke natančnosti, F1, AUC-ROC, latence in prepustnosti dokazujejo, da vaši modeli dejansko delujejo v velikem obsegu. 'P99 latenca pod 80 ms ob 10 milijonih napovedi na dan' je močan argument.
Omenite celoten življenjski cikel ML
Zbiranje podatkov, inženiring značilk, usposabljanje modela, vrednotenje, uvedba, spremljanje. Pokažite, da razumete celoten cevovod, ne le koraka modeliranja.
Navedite publikacije in odprto kodo
ML inženiring ceni raziskovalne prispevke. Če imate članke, konferenčne predstavitve ali pomembne odprtokodne prispevke, jih navedite na vidnem mestu.
Kako napisati življenjepis za inženirja strojnega učenja (ML CV)
Življenjepis ML inženirja se od življenjepisa podatkovnega znanstvenika loči predvsem po poudarku na produkciji: uvajanju modelov, MLOps in zanesljivosti sistemov. Sledite tem petim korakom, da poudarite pravo kombinacijo raziskovalnih in inženirskih veščin.
1
1. Napišite močan profesionalni povzetek
Povzetek naj v 2-3 stavkih pove vaš naziv, leta izkušenj, domeno (npr. priporočilni sistemi, zaznavanje goljufij, NLP/LLM) in ključni tehnološki sklad (Python, PyTorch/TensorFlow, MLOps orodja). Dodajte eno osrednjo produkcijsko metriko, na primer 'modeli, ki dnevno strežejo 2 milijona napovedi s P95 latenco pod 50 ms'. Če ste brez delovnih izkušenj, povzetek gradite na diplomi, konkretnih projektih (uveden model, RAG aplikacija) in Kaggle/GitHub dosežkih namesto na odsotnosti zaposlitve.
2
2. Delovne izkušnje z merljivimi rezultati
Vsaka alineja naj opiše celoten cikel: kaj ste zgradili, s katerim orodjem in kakšen je bil učinek. Namesto 'razvijal modele strojnega učenja' napišite npr. 'Uvedel model za zaznavanje goljufij v produkcijo z uporabo Docker in Kubernetes, kar je zmanjšalo lažne transakcije za 18 % ob P95 latenci pod 40 ms.' Vključite vsaj eno metriko na alinejo: dvig kakovosti modela, latenco/prepustnost streženja, znižanje stroškov infrastrukture ali zanesljivost cevovoda (uptime, pogostost ponovnega usposabljanja).
3
3. Razdelek z veščinami, prilagojen ATS
Veščine razvrstite v jasne skupine: ogrodja strojnega učenja (PyTorch, TensorFlow, scikit-learn), MLOps in infrastruktura (Docker, Kubernetes, MLflow, Kubeflow, CI/CD), podatkovni inženiring (Spark, SQL) in programski jeziki. Uporabite natanko iste izraze kot v razpisu delovnega mesta, saj tako ATS sistem kot kadrovnik hitreje prepoznata ujemanje. Ne naštevajte vsake knjižnice, ki ste jo kdaj uporabili - raje pokažite globino pri nekaj ključnih orodjih, ki jih znate resnično uporabljati v produkciji.
4
4. Pokažite produkcijsko kodo, ne le zvezkov
Delodajalci ML inženirjev iščejo dokaz, da znate kodo spraviti v produkcijo, ne le zgraditi model v Jupyter zvezku. GitHub repozitorij z uvedenim projektom (npr. API za strežbo modela, RAG aplikacija z vektorsko bazo) šteje več kot seznam tečajev. Za raziskovalno usmerjena mesta navedite objavljene članke, za mlajše kandidate pa uvrstitve na Kaggle tekmovanjih in ponovljive repozitorije z jasno dokumentacijo in testi.
5
5. Izobrazba, certifikati in zadnji ATS pregled
Navedite magisterij ali doktorat, če ga imate, saj pri raziskovalno usmerjenih vlogah še vedno šteje. Certifikati, kot sta AWS Certified Machine Learning - Specialty ali Google Cloud Professional Machine Learning Engineer, dokažejo praktično znanje oblačnih ML orodij. Na koncu preverite še tehnično plat dokumenta: enostolpčna postavitev, standardni naslovi razdelkov (Izkušnje, Izobrazba, Veščine), izvoz v PDF in ključne besede iz razpisa, da CV zanesljivo prestane ATS filter.
Primeri profesionalnih povzetkov za ML inženirje
Kopirajte in prilagodite enega izmed spodnjih povzetkov glede na svojo raven izkušenj in področje dela.
Mlajši ML inženir / diplomant brez izkušenj
Diplomant računalništva s poudarkom na strojnem učenju in tremi uvedenimi projekti na GitHubu, vključno z RAG aplikacijo za iskanje po dokumentih in klasifikatorjem slik, objavljenim prek Docker vsebnika. Uvrščen v zgornjih 8 % na Kaggle tekmovanju za zaznavanje goljufij. Obvladam Python, PyTorch in osnove MLOps (Docker, GitHub Actions). Iščem prvo zaposlitev kot ML inženir, kjer bom modele razvijal in tudi dejansko uvajal v produkcijo.
Višji ML inženir
Višji inženir strojnega učenja z 8-letnimi izkušnjami pri gradnji priporočilnih sistemov za e-trgovino, ki dnevno strežejo več kot 5 milijonov napovedi s P95 latenco pod 60 ms. Vodil migracijo cevovodov na Kubeflow in MLflow, kar je skrajšalo čas uvajanja novih modelov za 70 %. Strokovnjak za PyTorch, distribuirano usposabljanje in optimizacijo stroškov streženja v oblaku (AWS SageMaker).
Menjava kariere v ML (npr. iz razvoja programske opreme)
Programski inženir s 6-letnimi izkušnjami v produkcijskih Python sistemih, ki je prehod v strojno učenje podprl z dvema certifikatoma (TensorFlow Developer, AWS ML Specialty) in tremi uvedenimi projekti, vključno z modelom za napovedovanje odjave strank. Prinašam trdno inženirsko disciplino - testiranje, CI/CD, spremljanje sistemov v produkciji - ki jo mnogi ML kandidati šele pridobivajo.
Ključne besede za ATS v življenjepisu ML inženirja
Ponovite točne izraze iz razpisa delovnega mesta - tako ATS sistem kot kadrovnik ju iščeta dobesedno.
Machine Learning
Naj bo viden v naslovu in povzetku, tudi če v slovenskem besedilu sicer uporabljate izraz 'strojno učenje'.
Python
Navedite skupaj s knjižnicami, ki jih dejansko obvladate (PyTorch, pandas, NumPy).
PyTorch/TensorFlow
Navedite tisto ogrodje, ki ga razpis izrecno omenja - idealno oboje, če imate izkušnje z obema.
MLflow/Kubeflow
Dokažite MLOps znanje z imenom konkretnega orodja za sledenje eksperimentom in uvajanje modelov.
Docker
Omenite kontejnerizacijo modelov za streženje, saj je to standard v produkciji.
Kubernetes
Dodajte, če ste sodelovali pri orkestraciji produkcijskih ML delovnih obremenitev.
CI/CD
Pokaže, da razumete avtomatizirano testiranje in uvajanje modelov, ne le raziskovalno delo.
SQL
Skoraj vsak razpis za ML inženirja pričakuje poizvedovanje po podatkih, zato ga vedno navedite.
Spark
Ključna beseda za vloge, kjer obdelujete podatke v velikem obsegu.
LLM/RAG
Najbolj iskan trend leta 2026 - omenite fino prilagajanje (fine-tuning), vektorske baze ali RAG cevovode, če imate izkušnje.
Slabe in dobre alineje za življenjepis ML inženirja
Primerjajte, kako splošen opis dela preoblikovati v konkretno, merljivo alinejo.
Uvajanje modela
Odgovoren za uvajanje modelov strojnega učenja v produkcijo.
Uvedel model za priporočila v produkcijo z uporabo Docker in Kubernetes, kar je zagotovilo streženje 1,2 milijona napovedi dnevno s P95 latenco pod 45 ms in znižalo stroške infrastrukture za 30 %.
Izboljšanje modela
Izboljšal natančnost modela za zaznavanje goljufij.
Izboljšal F1-oceno modela za zaznavanje goljufij z 0,81 na 0,89 s fino prilagojenimi gradient boosting funkcijami, kar je letno preprečilo za približno 240.000 EUR goljufivih transakcij.
Postavil cevovod za avtomatsko ponovno usposabljanje modelov.
Zgradil MLOps cevovod z MLflow in Airflow za samodejno ponovno usposabljanje 8 produkcijskih modelov ob zaznanem zdrsu podatkov, kar je skrajšalo čas odziva na padec kakovosti modela s 5 dni na 4 ure in dvignilo zanesljivost sistema na 99,7 % uptime.
Pogosta vprašanja
Kaj naj vsebuje življenjepis inženirja strojnega učenja?
Življenjepis ML inženirja naj poudarja produkcijske ML sisteme, metrike zmogljivosti modelov, izkušnje s cevovodom za uvajanje in programerske veščine (Python, PyTorch/TensorFlow). Vključite metrike latence, prepustnosti in poslovnega učinka uvedenih modelov.
Kakšna je razlika med življenjepisom podatkovnega znanstvenika in ML inženirja?
Življenjepisi ML inženirjev poudarjajo produkcijske sisteme, uvedbo, MLOps in inženirske prakse. Življenjepisi podatkovnih znanstvenikov se bolj osredotočajo na analizo, eksperimentiranje in statistične metode. ML inženirji gradijo sisteme, podatkovni znanstveniki gradijo modele.
Ali za ML inženiring potrebujem magisterij?
Mnogo pozicij ML inženirja ima raje magisterij ali doktorat, vendar ni vedno obvezen. Močne projektne izkušnje, odprtokodni prispevki in dokazana sposobnost uvajanja produkcijskih ML sistemov lahko nadomestijo formalno izobrazbo.
Ali lahko brezplačno ustvarim življenjepis ML inženirja?
Da! Naše brezplačno orodje za izdelavo življenjepisov vam omogoča ustvariti profesionalen življenjepis ML inženirja. Uporabite ta primer kot navdih, prilagodite ga svojim izkušnjam in prenesite profesionalni PDF v nekaj minutah. Primerno tudi za objave na MojeDelo.com in Optius.com.
Kako napisati življenjepis ML inženirja brez izkušenj?
Če nimate delovnih izkušenj, razdelek s projekti postavite pred izobrazbo. Navedite uvedene projekte (model na GitHubu, RAG aplikacijo, Kaggle uvrstitev) z metrikami namesto seznama predmetov na fakulteti. Delodajalci pri mlajših kandidatih iščejo dokaz, da znate kodo spraviti v produkcijo - poudarite Docker, teste in dokumentacijo repozitorija enako kot točnost modela.
Kako v življenjepisu prikazati izkušnje z LLM in generativno umetno inteligenco?
LLM/GenAI izkušnje so trenutno najbolj iskan signal na ML razpisih. Navedite konkretno: fino prilagajanje (fine-tuning) odprtokodnih modelov, gradnjo RAG cevovodov z vektorsko bazo (Pinecone, Weaviate, FAISS), ocenjevanje kakovosti odgovorov ali uvedbo LLM API-jev v produkcijo. En stavek z metriko, na primer 'RAG sistem, ki je skrajšal čas odgovora podpore za 40 %', pove več kot naziv orodja.
Ali Kaggle in osebni projekti štejejo kot delovne izkušnje?
Da, še posebej za mlajše kandidate. Uvrščen Kaggle rezultat, uveden GitHub projekt ali objavljen RAG demo dokazujejo praktično znanje enako verodostojno kot zaposlitev. Navedite jih v ločenem razdelku 'Projekti' z ogrodji, metrikami in povezavo do repozitorija - kakovost in dokumentiranost projekta štejeta več kot njihovo število.
Ali so certifikati, kot je AWS Certified Machine Learning, vredni navajanja?
Certifikati, kot sta AWS Certified Machine Learning - Specialty ali Google Cloud Professional Machine Learning Engineer, so dober dodatek in dokažejo poznavanje oblačnih orodij, a redko nadomestijo pomanjkanje projektov. Navedite jih v ločenem razdelku pod izobrazbo - kadrovniki jih preverijo šele, ko jih prepriča vaš praktični portfelj.
Ali naj bo življenjepis ML inženirja v angleščini ali slovenščini?
Za mednarodna podjetja, startupe in oddaljene ML vloge je angleška različica življenjepisa skoraj obvezna, saj tehnične izraze (Machine Learning, Docker, Kubeflow) tako ali tako pišete v angleščini. Za domača podjetja pripravite slovensko različico, a obdržite angleške izraze za orodja in ogrodja - tako ostane berljiv za ATS sisteme in mednarodne kadrovnike.
Ustvarite svoj življenjepis zdaj
Uporabite ta primer kot navdih. Prilagodite ga svojim izkušnjam in prenesite profesionalni PDF v nekaj minutah. 100 % brezplačno.
