**Что добавить в резюме инженеру машинного обучения — Transcript & Summary | SozAI** Source: https://sozai.app/transcript/what-to-add-to-machine-learning-engineer-resume/ Как составить резюме ML-инженера: указывайте только реально использованные инструменты (Python, SQL, Pandas, Scikit-learn, CatBoost, PyTorch), выделяйте опыт вывода моделей в продакшн и ML-проекты с и ## Key Takeaways - Качество резюме ML-инженера определяется практическим опытом, а не перечнем технологий - Продакшн-навыки (деплой, Docker, CI/CD) являются важным отличительным фактором - Количественные результаты повышают убедительность резюме ## What the video covers - Резюме должно показывать практические умения в решении ML-задач, а не просто список изученных технологий - Указывайте только те инструменты, с которыми вы реально работали: Python, SQL, Pandas, Scikit-learn, CatBoost, PyTorch - Опыт вывода моделей в продакшн стоит выделить отдельно - Упоминайте инструменты продакшн-разработки: API, Docker, ML Ops, CI/CD - Приводите конкретные измеримые результаты, например сокращение времени инференса на 30% - Резюме должно демонстрировать, что вы умеете делать на практике как ML-инженер - Для поступления на бюджетные места магистратуры ИТМО и HUB рекомендуется добавлять ML-проекты - Видео подается в формате короткого практического совета с фоновой музыкой Answers ## Questions about this video Какие инструменты стоит указать в резюме ML-инженера? В видео рекомендуется указывать Python, SQL, Pandas, Scikit-learn, CatBoost или PyTorch, но только те, с которыми вы действительно работали. Список должен отражать реальный практический опыт, а не изученные когда-то технологии. Как показать умение выводить модели в продакшн? Нужно указать это отдельно, а также перечислить использованные инструменты, например API, Docker, ML Ops и CI/CD. Это показывает, что вы умеете доводить модели до рабочей эксплуатации. Зачем в резюме указывать конкретные цифры? Цифры, например сокращение времени инференса на 30%, показывают реальный результат работы. Так резюме демонстрирует не просто знания, а то, что вы умеете делать как ML-инженер. ## Full Transcript — Download SRT & Markdown 00:00 Speaker A Что добавить в резюме ML инженеру? 00:07 Speaker A [музыка] Покажи, что ты умеешь решать ML задачи на практике. Например, укажи Python, SQL, Pandas, Scikit-learn, CatBoost или PyTorch. Только те инструменты, с которыми ты действительно работал. 00:20 Speaker A В первую очередь не просто список технологий, которые ты когда-то изучал. 00:33 Speaker A Если умеешь выводить модели в продакшн, обязательно укажи это отдельно. API, Docker, ML Ops, CI/CD и другие инструменты, которые использовал. 00:43 Speaker A Покажи, что ты умеешь решать ML задачи на практике. Например, укажи Python, SQL, Pandas, Scikit-learn, CatBoost или PyTorch. Только те инструменты, с которыми ты действительно работал. 00:51 Speaker A Или сократил время инференса на 30%. Так резюме показывает не просто список твоих знаний, а то, что ты реально умеешь делать как ML инженер. [музыка] А если тебе интересно обучение ML с возможностью поступить на бюджетное отделение магистратуры ИТМО и HUB, 01:06 Speaker A Обязательно добавь ML проекты. Topics: ML инженер резюме машинное обучение Python PyTorch ML Ops Docker ИТМО карьера в ML Учить по этому видео - [Карточки по этому видео](https://sozai.app/ru/tools/ai-flashcard-generator/?from=transcript&id=83985) - [Тест по этому видео](https://sozai.app/ru/tools/quiz-generator/?from=transcript&id=83985) Бесплатно, составлено ИИ по этой расшифровке. Без регистрации. --- This is the markdown twin of https://sozai.app/transcript/what-to-add-to-machine-learning-engineer-resume/ — the same content, without the markup. Published by SozAI (https://sozai.app). Reuse and quotation are allowed with attribution and a link back. Machine-readable index: https://sozai.app/llms.txt · data API: https://sozai.app/api/