CV en science des données : guide complet [2022]
Publié: 2021-02-14Selon Glassdoor, « Data Scientist » est en tête de liste des meilleurs emplois en 2019. Il paie bien et offre également un cheminement de carrière très stimulant et enrichissant. Ainsi, le nombre de postes en science des données a augmenté, tout comme le nombre de candidats.
Même si vous ignorez la concurrence, vous devez toujours prouver que vous avez les compétences nécessaires pour faire partie de l'entreprise. Alors, quelle est la première étape pour décrocher le poste de data science de vos rêves ? Un CV stellaire et bien ficelé.
Avant même que vous ne rencontriez le responsable du recrutement, il se sera fait une opinion sur vous grâce à votre CV. Donc, il vaut mieux attirer l'attention et les amener à vous appeler pour un entretien. Apprenons à faire cela.
Table des matières
Les bases
La plupart des candidats commettent la grosse erreur de préparer un CV et de l'envoyer à tous les employeurs potentiels (et souvent de les mettre tous en copie par erreur). C'est une pratique très infructueuse; cela ne vous donnera pas les résultats que vous souhaitez. Donc, si une entreprise publie une annonce pour un scientifique des données dont la compétence principale est Python et que vous lui envoyez un CV expliquant en quoi vous êtes le roi de R, alors désolé ; ça ne marchera pas.
Chacun de vos CV doit être adapté au poste et au poste vacant pour lequel vous postulez. Le même curriculum vitae peut être envoyé à quelques employeurs différents, mais même dans ce cas, des modifications mineures devront être apportées. Gardez également à l'esprit les conseils suivants lorsque vous commencez à rédiger votre CV en science des données :
- Gardez le curriculum vitae d'une page. Jusqu'à et à moins que vous n'ayez plus de 15 ans d'expérience pertinente dans le domaine, ne dépassez pas une page.
- Utilisez généreusement les espaces blancs.
- Utilisez des titres et des sous-titres, le cas échéant. Cela rend le CV plus lisible. Il en va de même pour la mise en évidence.
- Utilisez des polices lisibles. La plupart des candidats, dans le but d'être fantaisistes, utilisent des polices cursives (comme Lobster). Ou ils le prennent à l'autre extrême et utilisent des occasionnels (comme Caveat). Évitez ces extrêmes. Gardez-le fonctionnel et professionnel. Utilisez des polices comme Arial, Times New Roman et Proxima Nova.
- N'abusez pas des couleurs.
- Relisez et vérifiez toujours la grammaire de votre CV. Exécutez-le dans Grammarly ou demandez à un ami de le regarder. Une seule faute d'orthographe peut ruiner votre impression.
Sections à inclure dans votre CV en science des données
Voici les sections de base à inclure. Vous pouvez ajouter et omettre à votre guise, mais ceux-ci contiennent les détails de base qu'un responsable du recrutement aurait besoin de connaître. La commande peut également être comme vous le souhaitez.
- Objectif/résumé du CV
- L'expérience professionnelle
- Compétences clés/essentielles
- Formation et certifications (le cas échéant)
- Tous projets ou publications
- Informations de base sur vous
- Section Passe-temps (ou celle qui montre votre personnalité comme «la plus fière»)
Ce qu'il faut inclure dans chaque section
Objectif/résumé du CV
C'est la première section sur laquelle les yeux du recruteur tomberont. C'est une section très cruciale car elle vous aidera à mettre le pied dans la porte et à obliger le recruteur à lire le reste de votre CV où vous exposez vos réalisations.
Alors, lequel écrivez-vous? Objectif ou résumé ?
Si vous êtes un diplômé récent ou un débutant dans ce domaine, alors vous rédigez un objectif de CV. Si vous avez une expérience et des résultats pertinents dans le domaine, alors vous rédigez un résumé.
Voici comment rédiger un objectif de CV
Diplômé récent de l'Université XYZ avec un baccalauréat en informatique. J'ai appliqué mes compétences analytiques et stratégiques dans la construction de projets qui m'ont valu le Global Data Science Challenge en 2018. Désireux d'appliquer mes compétences pour résoudre des problèmes du monde réel maintenant.
Intéressant. Vous voudriez lire plus loin, non?
Voici quand vous ne voudriez pas lire plus loin
Diplômé récent de l'Université XYZ avec un baccalauréat en informatique et informatique. Vous cherchez à apprendre les technologies de la science des données et à vous y perfectionner.
Oups. Celui-là est jeté à la poubelle. Mentionnez vos compétences, vos réalisations si vous en avez et ce que vous pouvez faire pour l'employeur plutôt que l'inverse. Ensuite, voici comment rédiger un résumé de CV :
Ingénieur en science des données ambitieux avec plus de 5 ans d'expérience. Spécialisé dans l'utilisation de Tableau pour créer des modèles de données générant de la clarté qui distillent de grandes quantités de données dans des visualisations faciles à comprendre. Vainqueur du défi annuel Tableau.
Voici comment ne pas l'écrire
Un ingénieur en science des données possédant une vaste expérience peut effectuer des analyses statistiques, le nettoyage des données, la visualisation des données et également diriger des équipes.
Conclusion : évitez les déclarations vagues. Incluez des faits concrets et des chiffres pour rendre votre expertise plus tangible.
L'expérience professionnelle
Mentionnez votre expérience de travail dans l'ordre chronologique inverse. Cela vous permettra de commencer par les points les plus impressionnants puisque vos responsabilités et vos résultats auront évolué depuis le début de votre carrière. Ensuite, choisissez vos meilleurs projets à inclure. Inutile de mentionner tous les projets sur lesquels vous avez travaillé sous le soleil.
Enfin et surtout, visez l'impact . Chaque CV en science des données mentionnera l'analyse statistique, la visualisation des données et l'exploration de données. Mais l'impact que vous auriez créé serait unique pour vous. Incluez donc des faits concrets et des chiffres sur la façon dont vos efforts et vos compétences ont aidé l'entreprise à se développer.
Voici un format possible
Fonction et nom de l'entreprise
A travaillé de ____-____
Lieu
Principales réalisations
<Ici, vous parlez de l'impact que vous avez créé grâce à vos responsabilités et des récompenses importantes que vous pourriez avoir gagnées>
Voici un exemple pour que ce soit plus clair :
Data scientist chez Goldman Sachs
Janvier 2015- Octobre 2019
Bangalore, Inde
Principales réalisations
- Création et mise en œuvre de modèles pour prédire la rentabilité des prêts. Atteint un taux d'amélioration de 20 % de la qualité des prêts approuvés.
- Dirigé une équipe de visualisation de données de 20 personnes pour améliorer la qualité des rapports statistiques.
- A remporté le Global GS Data Science Competition 3 trimestres de suite.
Encore une fois, évitez le flou. Appuyez vos revendications avec des faits et des chiffres.
Compétences clés : Si la structure de votre CV le permet, divisez vos compétences en compétences techniques et compétences générales.
Les compétences techniques en science des données incluent : Python, R, SQL, API, nettoyage de données, manipulation de données, ligne de commande, etc.
Les soft skills incluent : le leadership, la pensée analytique, la réflexion stratégique, la créativité, le travail d'équipe, etc.
Lisez également : Avantages de l'apprentissage de Python pour la science des données et l'IA.
Éducation et certifications
La plupart des gens incluent cette section avant la section sur l'expérience de travail. Mais ce dernier est plus pertinent pour le processus d'embauche, surtout si vous êtes dans l'industrie depuis au moins 2 ans. Alors, placez-le en conséquence.
Si vous avez réussi l'université, il n'est pas nécessaire d'inclure votre scolarité. Suivez également un ordre chronologique inversé dans lequel vous mentionnez en premier votre diplôme le plus récent. Mentionnez tous les projets ou récompenses intéressants que vous avez remportés au cours de votre programme ou les clubs/sociétés mathématiques/informatiques dont vous faisiez partie.
Si vous avez des certifications, incluez-les également. Par exemple, lorsque vous postulez pour un emploi lié à la science des données, une certification en science des données d'une institution réputée vous aiderait à obtenir l'entretien.
Informations de base
Cela inclut votre nom, votre ville, votre état (et votre pays si vous postulez pour un emploi à l'étranger). Incluez également votre adresse e-mail active, votre téléphone, un lien vers votre profil LinkedIn et un lien vers votre blog si vous en avez un. Puisque vous postulez pour un poste en science des données, les recruteurs voudront voir sur quels projets vous avez travaillé ou sur lesquels vous travaillez actuellement. Donc, incluez également un lien GitHub.
Apprenez des cours de science des données dans les meilleures universités du monde. Gagnez des programmes Executive PG, des programmes de certificat avancés ou des programmes de maîtrise pour accélérer votre carrière.
Emballer
Ceux-ci vous aideront à faire votre CV en science des données. C'est aussi important que n'importe quel autre aspect du processus d'embauche. Alors, assurez-vous de faire de votre mieux en suivant les conseils et directives ci-dessus. Nous vous verrons de l'autre côté de l'embauche !
Vaut-il la peine d'être data scientist en 2022 ?
La science des données est en effet à la pointe des graphiques avec nos dépendances toujours croissantes aux données et à la technologie. Il existe un énorme écart entre la demande et l'offre de scientifiques des données, ce qui en fait l'un des domaines les mieux rémunérés de 2022.
Un data scientist avec 5 ans d'expérience gagne environ 300 000 $ par an. Un data scientist décent gagne environ 123 000 dollars par an alors que le salaire médian des data scientists est d'environ 91 000 dollars par an. Ce n'est que le salaire de base. Les scientifiques des données bénéficient également d'un bonus média attrayant d'environ 8 000 $ dans une fourchette de 1 000 $ à 17 000 $
Quelles sont les compétences requises pour être data scientist ?
Les compétences suivantes sont nécessaires pour faire partie de votre arsenal si vous êtes un aspirant en science des données et que vous souhaitez devenir de bonnes opportunités :
1. Statistiques et probabilités
Les statistiques et les probabilités sont les deux concepts mathématiques les plus importants de la science des données. Les statistiques descriptives comme la moyenne, la médiane et le mode, la régression linéaire, les tests d'hypothèses font partie des sujets de statistiques et de probabilités.
2. Langage de programmation
Vous devez choisir un langage de programmation et le maîtriser pour y coder. Il existe de nombreux langages, mais Python est le langage le plus préférable en raison des bibliothèques et des modules qu'il fournit.
3. Apprentissage automatique et apprentissage en profondeur
L'apprentissage automatique et l'apprentissage en profondeur sont deux domaines distincts et les sous-ensembles de la science des données en même temps. Ces sujets vous aideront à aller loin dans la science des données.
4. Visualisation des données
La visualisation des données est l'art de visualiser les données sous forme de tableaux et de graphiques pour les rendre plus compréhensibles et rentables.
Quelles sont les applications de la science des données ?
La science des données régit de nombreux domaines techniques car les données sont devenues une nécessité. Voici les principales applications de la science des données :
1. Le secteur financier et bancaire est l'un des premiers secteurs à avoir commencé à utiliser la science des données, car il traite régulièrement une énorme quantité de données.
2. Le secteur de la santé utilise la science des données principalement dans des domaines tels que le diagnostic d'image, la recherche en médecine et la génétique.
3. Les autres domaines comprennent les compagnies aériennes, les transports, les jeux et la fabrication.