CV voorbeeld AI engineer (2026)
Als AI engineer draait het om bewezen productie-ervaring. Welke modellen heb je getraind en gedeployed? Op welke schaal draait je infrastructuur? Beschrijf op je cv je ML-stack, de business-impact van je modellen en je ervaring met MLOps-tooling zoals MLflow, Kubeflow of SageMaker.
Compleet cv als AI engineer
Pas dit voorbeeld aan met je eigen ML-stack, modellen en deployment-ervaring. Vervang de projectbeschrijvingen door je eigen productie-impact en technische resultaten.
AI engineer met 5 jaar ervaring in het ontwerpen, trainen en deployen van ML-modellen en LLM-applicaties in productieomgevingen. Sterk in Python (PyTorch, TensorFlow), MLOps (MLflow, Kubeflow) en LLM-integratie (LangChain, RAG-pipelines). Ervaren met computer vision, NLP en vector databases. Gewend aan samenwerking met data scientists, product owners en platform-teams in agile omgevingen.
- Bouwde RAG-pipeline met LangChain en Pinecone die klantenservice-responstijd met 40% verkortte en 15.000 tickets per maand automatisch beantwoordde.
- Deployede en optimaliseerde LLM-modellen (fine-tuning van Llama 2) via Kubeflow op GKE, met 99,5% uptime en latency onder 200ms.
- Ontwikkelde MLOps-pipeline (MLflow, Airflow, Docker) die model-trainingstijd van 3 dagen naar 8 uur reduceerde.
- Implementeerde A/B-testing framework voor AI-features waarmee conversie op zoekresultaten met 12% steeg.
- Ontwikkelde computer vision-model (PyTorch) voor medische beeldanalyse met 94% nauwkeurigheid op röntgenbeelden.
- Bouwde model-serving infrastructuur met TensorFlow Serving en Kubernetes, verwerkte 50.000 inferenties per dag.
- Automatiseerde data-pipeline voor trainingsdata (Apache Beam, BigQuery), waardoor datakwaliteit met 30% verbeterde.
- Werkte samen met klinisch team om model-output te valideren conform MDR-regulering.
- Trainde fraudedetectiemodel (XGBoost, Python) dat €2,3 miljoen aan fraude per kwartaal detecteerde.
- Bouwde NLP-pipeline voor sentiment-analyse op klantfeedback (BERT, spaCy) met 91% F1-score.
- Ontwikkelde dashboards in Plotly/Dash voor model-monitoring en drift-detectie.
Google Professional Machine Learning Engineer (2023) · AWS Certified Machine Learning Specialty (2022) · Speaker op PyData Amsterdam 2024 · Open-source contributor (Hugging Face Transformers)
Dezelfde inhoud, twaalf stijlen
Kies de opmaak die past bij jouw beroep.
Bekijk alle stijlen op onze cv-templates pagina.
Een profiel dat wél werkt
Je profiel moet in twee tot drie zinnen je technische diepgang tonen. Noem je frameworks (PyTorch, TensorFlow), het type modellen dat je deployede en de meetbare business-impact. Voeg een link naar je GitHub of Hugging Face-profiel toe als je relevante open-source bijdragen hebt.
Ik ben een enthousiaste AI-professional met passie voor machine learning en innovatie. Ik zoek een uitdagende functie waar ik mijn kennis kan inzetten en verder kan ontwikkelen.
AI engineer met 5 jaar ervaring in PyTorch, MLflow en LangChain. Bouwde RAG-pipeline die 15.000 tickets/maand automatiseerde. Ervaren in model deployment op Kubernetes met 99,5% uptime.
Meer tips? Lees onze gids voor het persoonlijk profiel.
Wat werkgevers zoeken bij AI engineers
Vermijd een waslijst aan frameworks zonder context. Koppel elke vaardigheid aan een concreet resultaat: welk model bouwde je ermee, op welke schaal draaide het en wat was de nauwkeurigheid of latency? Zo toon je dat je niet alleen de theorie kent maar ook levert in productie.
Deep Learning & ML
PyTorch, TensorFlow, scikit-learn — noem welke architecturen (transformers, CNNs, GANs) je hebt getraind en gedeployed.
LLMs & NLP
LangChain, Hugging Face, RAG-pipelines, prompt engineering — beschrijf hoe je LLMs integreerde in productieapplicaties.
MLOps & deployment
MLflow, Kubeflow, Airflow, Docker, Kubernetes — laat zien dat je modellen niet alleen traint maar ook betrouwbaar in productie brengt.
Cloud & infrastructuur
GCP (Vertex AI), AWS (SageMaker), Azure ML — noem de schaal waarop je modellen serveerde (requests/dag, latency).
Computer Vision
OpenCV, YOLO, image segmentation — beschrijf het domein (medisch, retail, automotive) en de nauwkeurigheid.
Data engineering & monitoring
Feature stores, data pipelines, model monitoring, drift-detectie — toon dat je de volledige ML-lifecycle beheerst.
Lees meer over welke vaardigheden je kunt noemen in onze vaardigheden-gids.
Zo beschrijf je werkervaring
Beschrijf per project welk model je bouwde, welke frameworks je gebruikte en op welke schaal het draaide. Kwantificeer de impact in uptime-percentages, latency, besparingen of omzetgroei. Hiring managers scannen op bewijs dat je de stap van notebook naar productie beheerst.
- Bouwde RAG-pipeline (LangChain, Pinecone) die klantenservice-responstijd met 40% verkortte.
- Deployede LLM-modellen via Kubeflow op GKE met 99,5% uptime en <200ms latency.
- Ontwikkelde MLOps-pipeline (MLflow, Airflow) die trainingstijd van 3 dagen naar 8 uur reduceerde.
- Implementeerde A/B-testing voor AI-features; conversie steeg met 12%.
- Ontwikkelde computer vision-model (PyTorch) voor medische beeldanalyse met 94% nauwkeurigheid.
- Bouwde model-serving infrastructuur (TF Serving, Kubernetes) voor 50.000 inferenties/dag.
- Automatiseerde data-pipeline (Apache Beam, BigQuery) waardoor datakwaliteit met 30% verbeterde.
Gebruik actieve werkwoorden om je bullets krachtiger te maken.
Wel doen en niet doen
Toon de weg van model naar productie
Recruiters zoeken engineers die modellen deployen, niet alleen trainen. Beschrijf je MLOps-stack, uptime en latency.
Vermijd "ervaring met AI" zonder details
Dit staat in elke sollicitatie. Noem specifiek welke modellen, frameworks en architecturen je gebruikte.
Kwantificeer de impact van je modellen
"Fraudemodel detecteerde €2,3M per kwartaal" is sterker dan "Ontwikkelde fraudedetectie". Noem accuracy, F1-score of tijdsbesparing.
Overdrijf niet met buzzwords
"AGI-expert" of "GenAI-guru" maakt je ongeloofwaardig. Wees eerlijk over je ervaring met specifieke LLMs en technieken.
Noem open-source bijdragen en publicaties
GitHub-repos, Hugging Face-modellen, papers of conferentietalks onderscheiden je van andere kandidaten.
Geen online cursussen als hoofdkwalificatie
Coursera-certificaten zijn aanvullend, niet leidend. Focus op projecten en productie-ervaring boven certificeringen.
Controleer je cv met onze cv-checklist voordat je solliciteert.
CV klaar? Solliciteer direct
Recente vacatures voor AI engineers via Indeed.
Wat verdien je als ai engineer?
Salarisindicatie op basis van cvcoach AI-analyse van 892+ recente vacatures.
FAQ: CV als AI engineer
Een data scientist richt zich op analyse, experimenten en modelontwikkeling. Een AI engineer brengt die modellen naar productie: MLOps, model serving, schaalbaarheid en monitoring. Op je cv benadruk je dus je deployment- en engineering-vaardigheden, niet alleen je modelleringskennis.
Focus op je ML-framework (PyTorch of TensorFlow), MLOps-tools (MLflow, Kubeflow, Airflow), containerisatie (Docker, Kubernetes) en cloud (GCP, AWS of Azure). Voor LLM-rollen noem je ook LangChain, vector databases en prompt engineering. Wees specifiek: versies en schaal maken het verschil.
Zeer belangrijk. Open-source bijdragen, eigen projecten of Hugging Face-modellen tonen je vaardigheden concreet aan. Link naar je GitHub en highlight 2-3 relevante repositories. Zorg dat je code gedocumenteerd en goed gestructureerd is — recruiters en hiring managers kijken mee.
Een master helpt, maar is geen vereiste. Veel bedrijven kijken naar praktijkervaring: welke modellen heb je gebouwd en in productie gebracht? Relevante ervaring met MLOps, cloud-deployment en productiecode weegt zwaarder dan alleen een diploma.
Ja, als je gepubliceerde papers of Hugging Face-modellen hebt, vermeld ze in een aparte sectie. Noem de titel, het venue (NeurIPS, EMNLP) en de impact. Voor modellen beschrijf je de use case, het framework en de nauwkeurigheid. Publicaties tonen diepgang die je onderscheidt van andere kandidaten.
Plaats je GitHub-link bij je contactgegevens en highlight 2–3 repositories die relevant zijn voor de vacature. Zorg dat de code gedocumenteerd is met README’s en duidelijke structuur. Hiring managers beoordelen niet alleen je code maar ook je engineeringpraktijken.
AWS Machine Learning Specialty, Google Professional ML Engineer en Azure AI Engineer Associate worden het meest gevraagd. Vermeld ze onder een aparte sectie met het behaaljaar. Certificeringen zijn aanvullend — ze vervangen geen productie-ervaring, maar tonen wel dat je cloud-ML-tooling beheerst.
Bronnen en verder lezen
CV voorbeelden in ICT & Data
Begin met je AI engineer-cv
Vul je eigen modellen, frameworks en productieresultaten in voor een cv dat tech-recruiters overtuigt.