Rozpocznij
← Programowanie i IT

Przykład CV – Inżynier ML

Profesjonalny przykład CV Inżynier ML z sekcjami sprawdzonymi przez rekruterów, które możesz dostosować w kilka minut.

Tylko przykład

Wszystkie dane osobowe i historia kariery w tym przykładzie są fikcyjne. Dostosuj CV swoimi prawdziwymi informacjami przed aplikowaniem.

Podgląd CV

Photo

Krzysztof Kozłowski

Inżynier uczenia maszynowego
7 lat doświadczenia we wdrażaniu modeli uczenia maszynowego w środowiskach produkcyjnych i tworzeniu skalowalnych potoków MLOps.

Doświadczenie zawodowe

Starszy inżynier ML
Model Circuit, Pełny etat
2019-08-01 – Present
Poznań, Polska
Produkcyjne systemy ML — serwowanie inferencji na Kubernetes, wykrywanie dryfu z automatycznym retreningiem i wdrożenia canary modeli.
- Uprodukcyjniał systemy uczenia maszynowego do zastosowań na dużą skalę - Zbudował potoki cech i endpointy inferencji online na Kubernetes, serwując rekomendacje poniżej 120 ms przy 4k RPS. - Zaimplementował wykrywanie dryfu z testami PSI i KS oraz automatycznymi wyzwalaczami retreningu, ograniczając incydenty przestarzałych modeli. - Wprowadził polityki wdrożeń canary dla wersji modeli z ewaluacją na ruchu shadow przed przełączeniem na produkcję.
Inżynier ML
Delta Intelligence, Pełny etat
2017-07-01 – 2019-07-01
Warszawa, Polska
Infrastruktura treningu i serwowania dla systemów rankingowych — rozproszony trening PyTorch, rejestr modeli MLflow i wyszukiwanie FAISS.
- Tworzył infrastrukturę treningu i serwowania modeli dla systemów rankingowych - Skonteneryzował zadania treningowe PyTorch z wykonaniem distributed data parallel, skracając czas treningu z 11 do 6 godzin. - Stworzył procesy rejestru modeli z bramkami zatwierdzania i metadanymi lineage z użyciem MLflow i kontroli GitOps. - Zbudował usługi wyszukiwania ANN o niskim opóźnieniu z FAISS do wyszukiwania semantycznego po 40 mln opisów produktów.
Młodszy inżynier ML
Prism Adaptive, Pełny etat
2015-06-01 – 2017-06-01
Kraków, Polska
Niezawodność platformy ML i integracja modeli — kontrakty danych TFDV, inferencja wsadowa w Airflow i powtarzalne środowiska.
- Wspierał niezawodność platformy ML i zadania integracji modeli - Zaimplementował kontrakty walidacji danych z TensorFlow Data Validation, aby wcześnie wykrywać złamania schematu cech. - Napisał zadania orkiestracji inferencji wsadowej w Airflow z odzyskiwaniem po checkpointach dla długotrwałych obciążeń. - Dodał powtarzalne pliki lock środowisk dla zadań treningowych, eliminując błędy niezgodności zależności w CI.

Wykształcenie

Informatyka, Inżynier
Politechnika Poznańska
2015-09-01 – 2019-06-01
Ukończył studia inżynierskie z informatyki na Politechnice Poznańskiej. Zaliczył zajęcia z Python, PyTorch, TensorFlow, projekty dyplomowe oraz zadania zespołowe przygotowujące do ról zawodowych.

Umiejętności

Python
PyTorch
TensorFlow
MLflow
Docker
Kubernetes
AWS SageMaker
Feature Engineering
MLOps
CI/CD

Certyfikaty

Google Professional Machine Learning Engineer
Google
2023-06-01
AWS Certified Machine Learning - Specialty
AWS
2022-06-01

Języki

Polski (język ojczysty)
Angielski (biegły, C1)

Poradnik pisania CV

  • Pokaż zarówno poprawę jakości modelu, jak i wskaźniki niezawodności produkcji.
  • Dołącz przykłady skalowalnego udostępniania, obserwowalności i automatyzacji ponownego szkolenia.
  • Wykazuj ścisłą współpracę z analitykami danych i inżynierami platform.
  • Google Professional Machine Learning Engineer
  • AWS Certified Machine Learning - Specialty
  • Databricks Certified Machine Learning Professional