CV AI / ML Engineer po polsku: jak opisać projekty ML i RAG

Ofert na AI i ML Engineera przybywa, a dobrych CV pod nie nie ma. Wpisz w wyszukiwarkę „CV AI engineer", a dostaniesz listy ogłoszeń, nie poradniki. Tymczasem rekruter na tym stanowisku odrzuca CV szybciej niż gdziekolwiek indziej, bo pole jest zalane ludźmi, którzy „interesują się sztuczną inteligencją".

Konkret jest tu walutą. Rekruter AI nie chce przeczytać, że jesteś pasjonatem. Chce wiedzieć: jaki problem rozwiązałeś, jakim modelem albo podejściem i z jakim wynikiem. Poniżej masz, jak opisać projekty ML, RAG i agentów, żeby CV brzmiało jak praca, a nie jak kurs online.

Co wyróżnia CV AI/ML Engineera

Stanowiska „AI Engineer" i „ML Engineer" mieszają kilka światów: modele, dane, infrastrukturę i produkt. Twoje CV musi pokazać, w którym z nich faktycznie siedzisz. Stack, który rekruter chce zobaczyć rozpisany konkretnie:

• Modele i biblioteki: które LLM-y (OpenAI, Claude, modele open source), PyTorch, fine-tuning czy tylko API.
• RAG i dane: wektorowe bazy (Qdrant, pgvector), embeddingi, chunking, ewaluacja jakości odpowiedzi.
• Agenci i orkiestracja: narzędzia, function calling, łańcuchy, kolejki, integracje (n8n, MCP).
• Produkcja: koszt, latencja, fallback, monitoring. To odróżnia inżyniera od osoby po tutorialu.

Jak opisać projekt ML, żeby brzmiał jak praca

Najczęstszy błąd to opis w stylu instrukcji: „użyłem LangChain i OpenAI do zrobienia chatbota". To brzmi jak tutorial. Inżynierski opis ma trzy elementy: problem, podejście, metryka.

Problem: support odpowiadał na te same pytania z dokumentacji ręcznie, średnio 6 godzin do pierwszej odpowiedzi.Podejście: RAG na bazie dokumentacji w Qdrant, z ewaluacją trafności odpowiedzi i progiem pewności przed eskalacją do człowieka.Metryka: 70 procent zapytań obsłużone automatycznie, czas pierwszej odpowiedzi z 6 godzin do kilku sekund.

Ta sama struktura działa na każdy projekt AI. Problem mówi, po co to było. Podejście pokazuje, że umiesz. Metryka udowadnia, że zadziałało.

Trzy typowe projekty i jak je ująć

• RAG / chatbot na bazie wiedzy: akcentuj jakość, nie sam fakt, że jest. Chunking, embeddingi, ewaluacja, próg pewności, obsługa halucynacji. To pokazuje, że myślisz o produkcji, nie o demie.
• Agent / automatyzacja: akcentuj narzędzia, function calling i to, co agent realnie zmienił w procesie. Liczba kroków zautomatyzowana, czas zaoszczędzony.
• Integracja LLM w produkcie: akcentuj koszt na żądanie, latencję i fallback. „Zbił koszt generacji z X do Y" albo „dodał fallback na drugi model przy błędzie" brzmi jak inżynier.

Słowa kluczowe z ofert AI

Oferty AI powtarzają konkretny zestaw pojęć. Jeśli masz je w projektach, mają trafić do opisów, ale w zdaniu, nie jako wklejona lista. Najczęstsze: OpenAI lub Claude API, LangChain lub LlamaIndex, vector DB, embeddingi, fine-tuning, ewaluacja, prompt engineering, RAG, function calling. Jak czytać ofertę i mapować jej słowa na projekty, rozkładamy w jak wyciągnąć słowa kluczowe z oferty IT.

Częste błędy

• Buzzword bez projektu. „Ekspert AI/ML/DL" na górze CV bez ani jednego konkretnego wdrożenia poniżej. Rekruter to widzi natychmiast.
• Brak metryk. Projekt AI bez liczby to opis intencji, nie wyniku.
• Mylenie kursu z doświadczeniem. Projekt z tutorialu jest wartościowy, ale opisz go jako to, czym jest, i pokaż, co dodałeś od siebie.

Jak złożyć takie CV pod konkretną ofertę

Pod ofertę AI Engineera ZłóżCV ma osobną personę: dobiera z twojej bazy projekty dotykające modeli, RAG i integracji, i przepisuje opisy w języku ogłoszenia. Wklejasz ofertę, dostajesz CV, w którym na pierwszym planie jest to, czego ta firma szuka. Złóż CV pod rolę AI, dwa pierwsze za darmo bez karty.

Jeśli ten sam projekt da się pokazać też pod fullstack albo backend, zobacz jeden projekt, cztery role.

Najczęstsze pytania

Czy bez komercyjnego doświadczenia w ML mam szansę? Tak, jeśli masz realne projekty, nawet własne. Opisz je strukturą problem, podejście, metryka i bądź szczery co do kontekstu. Liczy się, że umiesz rozwiązać problem, nie tylko, gdzie to robiłeś.

Jakie projekty pokazać, gdy mam ich dużo? Pod konkretną ofertę pięć, które najbliżej dotykają jej wymagań. Pod RAG-ową ofertę projekty z wektorami i ewaluacją, nie wszystko, co kiedykolwiek odpaliłeś z API.

Czy pisać, że tylko używałem API, czy udawać głębszą wiedzę? Pisz prawdę. „Zintegrował LLM przez API z obsługą kosztu i fallbackiem" to mocny, uczciwy opis. Udawanie fine-tuningu, którego nie robiłeś, pęka na pierwszej rozmowie technicznej.