Junior AI Engineer CV Voorbeeld

Overzicht

AI engineers zijn momenteel een van de meest gevraagde profielen in de Nederlandse technologie industrie. Bedrijven zoals ASML, Philips, Booking.com en ING zoeken engineers die niet alleen modellen bouwen, maar deze ook kunnen implementeren in productieomgevingen. Een goed AI CV toont de brug tussen academisch onderzoek en praktische systemen.

Dit CV is van Kevin Santoso, een TU Eindhoven afgestudeerde die zijn masterproject uitvoerde bij ASML en een aantoonbare productie impact realiseerde op de chipfabricagevloer.

De samenvatting: van model naar meetbaar resultaat

"Tijdens mijn afstudeerproject bij ASML heb ik een anomaly detection model gebouwd dat productiestilstand in chipfabricage met 14% reduceerde."

Eén zin met het bedrijf, het type model en het kwantitatieve resultaat. Dit is hoe een AI CV eruitziet wanneer het werkt. Recruiters bij techbedrijven scannen op exacte percentages en concrete toepassingsgebieden.

Probeer dit: Als je afstudeerpresentatie of project geen meetbaar resultaat had, formuleer dan minimaal het schaalprobleem dat je oploste: het aantal sensoren, de datagrootte of de verwerkingssnelheid.

Werkervaring: productieniveau laten zien

"Ontwikkelen van een anomaly detection model op basis van LSTM netwerken voor het monitoren van 340 sensorstromen in de lithografiemachine"

"Implementeren van een REST API in FastAPI waarmee 5 andere teams het model konden integreren"

"Reduceren van ongeplande productiestilstand met 14% in een pilot op 2 productievloeren"

Het eerste punt toont technische diepgang, het tweede toont dat Kevin begrijpt hoe systemen samenwerken, en het derde toont business impact. Samen schetsen ze een compleet beeld van een engineer die van onderzoek naar productie kan werken.

Vaardigheden: stack specificiteit telt

In AI engineeringvacatures staat altijd een gewenste techstack. Door frameworks als PyTorch en FastAPI expliciet te noemen naast de algemene categorie "Machine Learning" vergroot je de kans op een match met geautomatiseerde screeningssoftware.

Opleiding en projecten

Een afstudeerproject beoordeeld met een 9,0 is sterk om te vermelden. Het open source NLP project met 340 GitHub sterren toont dat Kevin zijn werk deelt met de gemeenschap en dat anderen het waardevol genoeg vinden om te gebruiken. Dat signaleert vakmanschap.

Veelgemaakte fouten

Alleen Jupyter notebooks vermelden als projecten. Een notebook is een beginpunt. Een gedeployde API, een open source library of een gedocumenteerd pipeline toont dat je voorbij de experimentele fase kunt komen.

Geen productie-ervaring tonen. Het verschil tussen een AI stagiair en een AI engineer zit in de vraag of je modellen in productie hebt gezet. Beschrijf ook al was het maar een pilot op beperkte schaal.

Certificeringen als vervanging voor projecten gebruiken. AWS en Google certificeringen zijn mooi, maar ze vervangen geen bewijs van daadwerkelijk gebouwde systemen. Zet ze in de certifceringssectie en vul de projectsectie met concreet werk.