Kristín Björk Guðmundsdóttir
ML-verkfræðingur
kristin.bjork@gmail.com · +41 79 123 4567
Zurich
Switzerland
https://linkedin.com/in/kristinbjork
translate.sections.summary
Kristín Björk er reynslumikill vélarnámsverkfræðingur með yfir 8 ára starfsreynslu í þróun og innleiðingu gagnagreindra lausna fyrir fyrirtæki í Evrópu. Hún hefur sérhæft sig í að þróa djúp nám reiknirit, hagnýta gervigreind og byggja skalanlegar lausnir í samvinnu við fjölbreytt tæknifyrirtæki. Markmiðið hennar er að nýta nýjustu rannsóknir til að skapa framúrskarandi gæði í gervigreindarforritum sem ýta undir nýsköpun og bætt virkni.</…
translate.sections.experience
ML Verkfræðingur, Innovator AI
Stjórnandi nýsköpunar- og þróunarteymis með áherslu á djúp nám og gervigreindarlausnir fyrir viðskiptavini á evrópska markaðinum.
• Uppfærði machine learning lausnir með nýjustu tækni, sem leiddi til 25% aukinnar nákvæmni í myndgreiningu.
• Auðgaði gagnalíkani með nýrri gagnasöfnun, sem stytti þjálfunartíma um helming.
• Leiddi áætlanagerð um tæknibreytingar og samþættingu nýrra velja, sem hélt fyrirtækinu í fararbroddi í markaðinum.
Gervigreindarforritari, DataSolutions AG
Þróaði og innleiddi gagnastreymi- og lærandi kerfi fyrir stórfyrirtæki, með áherslu á myndgreiningu og talgreiningu.
• Aukið afköst kerfa um 40% með nýjum þjálfunaraðferðum og nýsköpun í gagnavinnslu.
• Fjölgaði viðskiptatækifærum með þróun aðgreintra mörkunarstaða í gervigreindar forritum.
• Systnaði við rannsóknarteymi til að þróa nýjar aðferðir við gagnamyndun, sem voru teknar í notkun á mörgum mörkuðum.
Teymisleiðandi - Gervigreind, Remote
Yfirtók stjórn á alþjóðlegu gervigreindarteymi, þróaði tól til að hámarka samvinnu fyrir fjarlæga teymisvinnu og stuðlaði að framleiðni.
• Fann upp nýjar samstarfsleiðir sem aukið gæði og flýtti vinnuferlum um 30%.
• Styrkti þjálfunarferla og gerði teymið sjálfbært við lausn vandamála með nýjum tólum.
• Nýja útfærslan jók starfsemi teymisins með 50% og dró úr tímaskorti.
translate.sections.education
MSc tölvunarfræði — Háskólinn í Vín
Gervigreind
Meistara próf í tölvunarfræði með áherslu á gervigreind og máltækni. Rannsóknaverkefni um djúp nám í myndgreiningu.
translate.sections.skills
Tæknifærni: PyTorch, TensorFlow, Keras, Scikit-learn, OpenCV, Deep Learning, Recurrent Neural Networks (RNNs), Convolutional Neural Networks (CNNs)
Gagnaúrvinnsla og gagnavinnsla: Big Data úrvinnsla, SQL / NoSQL, Apache Spark, Data Cleaning, Data Transformation, Feature Engineering
Forritun og þróun: Python, C++, Java, API Development, Containerization með Docker, Kubernetes
Vinnuferli og stjórnun: Agile þróun, Git/GitHub, CI/CD kerfi, Projektastjórnun, Teymi-samskipti, Veftæknistjórnun
Enskunnátta: Málað, Fluency
translate.sections.languages
Íslenska (native)
Enska (fluent)
Þýska (intermediate)
Hvað gerir Machine Learning Verkfræðingur?
Machine Learning Verkfræðingur þróar, prófar og innleiðir gagnadrifnar lausnir sem kallast gervigreind. Þessi roleg er lykilatriði í vexti fyrirtækja sem vilja nýta gagnasöfn til að taka betri ákvarðanir, auka þjónustu og bæta nwordul. Verkefnin eru fjölbreytt, allt frá myndgreiningu til talgreiningar og raungervisgervigreindar lausna.
Vinna hennar felur í sér þróun reiknirit, þjálfun gagnasafna og samsetningu lausna fyrir stórtæk verkefni, oft í samvinnu við teymi sem eitt og sér bregðast við hröðum breytingum í tækninni og viðskiptum.
Hún hefur mikilvægt hlutverk við að skapa nýjar viðskiptavenjur, auka afköst og þróa ný tól sem geta breytt hegðun markaða. Mikilvægast er að nýta nýjustu rannsóknir og nýsköpun til að ýta undir virka notkun gervigreindar.
Machine Learning Verkfræðingar vinna oft í þverfaglegu umhverfi og hafa sterka tækniþekkingu og gagnamælingarstjórn sem er grundvallaratriði í árangri.
Auðvelt er að tengja þessa rolu við ýmsar atvinnugreinar, svo sem heilbrigðisþjónustu, fjármál, sjálfvirkan eftirlit og viðskipti, þar sem gagnadrifnar lausnir eru nýttar til að auka virkni og árangur.
Machine Learning Verkfræðingar hjálpa fyrirtækjum að innleiða gervigreind örugglega og skilvirkt, með áherslu á samþættingu og nýsköpun til að bæta fyrirtæki og samfélög.
Sú mikilvæga tækni og þekking sem Machine Learning Verkfræðingur þarf að hafa
Að byggja árangursríkan feril sem Machine Learning Verkfræðingur krefst djúprar þekkingar á bæði tæknilegum og viðskiptalegum þáttum. Hér eru helstu tækni- og hinder til að ná framúrskarandi árangri á þessu sviði:
- Nákvæm þekking á dýpum námsaðferðum eins og CNN, RNN, Transformer-netkerfum og reynsla af gagnavinnsluþróun.
- Rík reynsla af forritun í Python, auk notkunartækninnar í kóða- og rannsóknarhópum.
- Stórkostleg þekking á gagnadrifnum kerfum, gagnamarkaði og gagnasöfnun.
- Þekking á gagnavinnslu, API-stjórnun og lausnamiðaðri þróun.
- Reynsla af skalanlegum lausnum og notkun cloud-kerfa eins og AWS, Google Cloud og Azure.
- Góð skilning á vélanámstólum, reikniritum og statistík.
- Vitsmunalegur áhugi á nýjustu rannsóknarframförum og tækni í því svæði.
- Ferill sem sýnir fram á hæfni í teymisvinnu, verkefnastjórnun og tæknilegri ráðgjöf.
Markaðsstaða, eftirspurn og framtíðarhorfur fyrir Machine Learning Verkfræðinga
Framkvæmd og þróun á gervigreindarlausnum er á hraðri vexti um allan heim. Fyrirtæki leita sífellt eftir sérfröðum í vélarnámi til að efla sínar tækni- og vörulínur. Þar af leiðandi eru laun og atvinnuöryggi í þessum geira traustar og vaxandi.
Meðal laun Machine Learning Verkfræðinga í Evrópu eru um 100,000 evrur á ári, með möguleika á hækkun með aukinni reynslu og ábyrgð.
Vinnan í þessu stigi er áætlað að vaxi um 20–25% á ári með aukinni eftirspurn eftir þekkingu á nýjustu tækni.
Talin eru yfir 10,000 opin störf í Evrópu fyrir sérfræðinga í gervigreind á næstu 3 árum.
Opið fyrir verkefni í fjölda atvinnugreina, þar á meðal heilbrigðis-, fjármála- og tækniiðnaði, sem styrkir eftirspurn.
Mikilvægustu verkefni og reynslu sem sýna hæfni og árangur
Do
- Hannaðu, þjálfaðu og prófaðu djúp nám reiknirit fyrir stór gögn, með tilkomumikið nákvæmnisaukningu.
- Innleidd eiginleika- og gagnasöfnunartól sem hafa skilað 30% betri frammistöðu.
- Vinna með teyminu að því að búa til og yfirfara gagna- og þróunarferla, til að tryggja gæði og skalanleika.
- Skapa og viðhalda hágæða forritum og þjálfunarsetum sem stytta þróunartíma og eykja þekkingu.
Don't
- Hunsa mikilvægi gagnasöfnunar og forvinnslu í þróunarferlinu.
- Líta ekki tillit til endurmat á model, eða láta lítið sem enga þróun á lausnum.
- Vinna í einangruðum umhverfi án samvinnu við teymi eða viðskiptavini.
- Negla fyrstu hugmynd liðsins að verkefnum og loka fyrir nýjar nálganir.
Setti upp gagnavinnslukerfi sem úrskurðaði myndir með 98% nákvæmni fyrir heilbrigðisstarfsemi.
Þjálfaði módel sem dró úr fjárhagslegum óvissu í fjármálageiranum um 15%.
Hannaði kerfi fyrir sjálfvirka talgreiningu sem jók viðskiptaviðskipti um 20%.
Byggði og viðhélt innra API fyrir gagnasöfnun og lausn fyrir tæknifyrirtæki.
Menntun og starfsþjálfun
Menntun og sérfræðinám eru grundvallarþættir fyrir að verða framúrskarandi Machine Learning Verkfræðingur. Hagatali tölvunarfræðinnar og tengd verkefni veita nýjustu þekkingu og reyndara stýringartól.
- MSc tölvunarfræði frá Háskólanum í Vín (2014-2018) — með áherslu á gervigreind og gagnavinnslu
- Diploma í gagnavinnslu og gagnavinnslu frá sameiginlegu háskólaverkefni, með sérstaka áherslu á gagnamenningu og klárarhugtök
- Ógæfðar rannsóknarverktakir um djúp nám og gagnavinnslu enda (styrktar study)
- Vanalega aðgangur að nýjustu rannsóknum í vélarnámi, bæði innlendar og alþjóðlegar ráðstefnur
Dæmi um verkefni og rannsóknarspurningar
Þegar þú vinnur að gervigreindarverkefnum, er mikilvægt að safna og sýna fram á eigin nákvæmni, staðfestni og lýðræðislega þróuð lausn. Til að auðvelda framtíðarvinnu geturðu byggt ferla sem skila nákvæmri myndgreiningar-og talgreiningu og fullnægja þeim kröfum sem atvinnurekendur leggja til.
Mótaði gagnasafn og þróaði djúpa nám stærðfræðikerfi sem var skilað með 98% nákvæmni í myndgreiningu.
Auðgaði gagnasöfnun með nýjum upplýsingum og hámarkaði þjálfunartímann sem jók hraða við vinnslu.
Setti upp og stjórnaði fjölþjóðlegu teymi sem þróaði skalanlegar lausnir á hönnunarstigi.
Byggði líkan sem benti á viðskipta- og framleiðsluvandamál, og lagði þær til aðgerðir til að bæta ferli.
Algengar villur við að skrifa ferilskrá fyrir Machine Learning ráðningar
Ónóg notkun á lykilorðum getur hækkað líkurnar á því að ferilskrá nái ekki í gegnum tölvukerfi sem nýta leitarkerfi (ATS). Þetta gerir það mikilvægt að sameina meira en bara almennan texta, með því að nota tækniheimildir og staðfesta þekkingu.
Að skrifa of almennt um eiginleika eða verkefni getur gert ferilinn óaðlaðandi. Þess vegna er mikilvægt að sýna nákvæmlega hvað þú gerðir, hvernig það hafði áhrif og hvað þú náðir með áreiðanlegum tölfræðilegum niðurstöðum eða mælanlegum árangri.
Skortur á sýnileika í teyminu eða þátttöku í verkefnastjórnunarmiðlum getur verið veikleiki. Reyndu að sýna traustgildis- og leiðtogahæfni í ferilskránni.
Hagkvæmar leiðbeiningar um að byggja upp frábærlega skilvirka ferilskrá
Gakktu úr skugga um að ferilskrá þín sé auðveldhönd, skýr og í samræmi við kröfur atvinnualdanna. Áhersla ber að leggja á að sýna fram á afköst, nákvæmni og mikilvægi verkefna þinna sem gervigreindarverkfræðingur.
Veldu lykilorð sem m.a. endurspegla reynslu þína af nákvæmnisprófum, gagnavinnslu, reikniritum og samvinnu. Sýndu fram á hæfni í að þróa lausnir frá grunni, prófa, aðlaga og mikilvægt, að halda utan um samskipti við viðskiptavini og samstarfsaðila.
Líklegt er að nytsamlegur stuðningur sé að fylgja með verkefnum í skýrum og samþættum myndum, ásamt íþrótta- og menntunarkenningum. Nota má t.d. eftirfarandi lykilorð:
Lykilorð til að koma í gegnum tölvukerfi og aukið tækifæri til að laða að athygli
Áhersla á lykilorð er grundvallarhlutverk í að tryggja að ferilskrá lendi rétt í greiningarkerfum og fái eða fái tækifæri til að komast áfram í umsóknaferli. Hér eru lykilorð sem henta vel við skrif afmælis á þessu sviði:
- Dýp um nám (Deep Learning, CNN, RNN, Transformer)
- Gagnavinnsla og gagnasöfnun (Data preprocessing, feature engineering)
- Gjörnunar- og reiknirit (Optimization, Gradient Descent, Loss functions)
- Gæða- og vaxtastjórnun (Model validation, Cross-validation)
- Gervigreindarverkfæri (TensorFlow, PyTorch, Keras, Scikit-learn)
- Big Data tækni (Apache Spark, Hadoop)
- Skykjumhverfi (AWS, Google Cloud, Azure)
- Gagnasöfnun og gagnavinnsla
- Teymisverkfæri (Git, Docker, Kubernetes)
- Tölfræðigreiningar
- Automatization og C++/Python forritun
- AI og Machine Learning rannsóknir
Hvernig þú sérsníður ferilskrá að atvinnuauglýsingu
Til að hámarka líkur á að ná árangri við að sækja um stöður í vélarnámi, er mikilvægt að laga ferilskrá að hverri umsókn. Með því að láta lykilorð og ítarlega lýsingu í lýsingu atvinnu sýna í ferilskránni eykurðu möguleikana á að komast áfram í ferlinu.
Kannaðu atvinnuauglýsinguna vandlega og sýndu hvernig þinn hæfileiki passar við kröfur og áherslur. Þegar þú leggur inn bara ferilskrá á samfélagsvef, notaðu eigin ráðningarstefnu til að bæta við lykilorðum og mikilvægi atriða sem eru í kröfulýsingu.
Einnig geturðu nýtt „ferilskráarbyggingartól“ eða umsóknarreikniforð, þar sem þú byggir sérsniðna útfærslu fyrir hvert feril til að auka möguleika á að komast í gegnum tölvukerfi og fá mat á matton á atvinnurekanda.
Algengar spurningar um að skrifa ferilskrá fyrir Machine Learning Verkfræðing
Hver eru bestu lykilorðin fyrir Machine Learning ferilskrá? Lykilorð eins og ”Deep Learning”, ”TensorFlow”, ”Data Preprocessing”, og ”Model Validation” eru mikilvægust til að sýna nákvæmlega þekkingu þína og reynslu.
Hvernig ætti að setja fram raunverulega árangur og verkefni? Sýndu tölfræðilegar niðurstöður, eins og aukna nákvæmni, minni tíma eða hagnað, og hvernig það hafði áhrif á fyrirtækið.
Hvers vegna er mikilvægt að sýna fjölbreytt verkfæri og tækni? Það sýnir að þú ert vel undirbúin/n til að vinna með fjölbreyttum verkefnum og getur fljótt aðlagast nýrri tækni.
Á hvaða hátt er best að byggja ferilskrá sem er bæði optímaður fyrir tölvukerfi og mannlega menn? Notaðu skýran texta, tölfræðileg og verkefnahugmynd og lykilorð sem endurspegla þitt svæði og færni.
Hvaða hluta ætti að leggja áherslu á í viðtal? Verkefnastarf, tengsl við viðskiptavini, nýsköpun, tæknilega þekkingu og teymisvinnu eru lykilatriði sem atvinnurekendur vilja sjá.
Hvernig tryggir maður að ferilskrá nái athygli á netinu? Með því að nota tækniheimildir, lykilorð, verkefni og rannsóknartengda viðskipti eða nýsköpun í ferilskránni auk þess að geta deilt link á síðuna og náð góðum áheyrum.