Resume Data Science: Kompletny przewodnik [2022]

Według Glassdoor, „ Data Scientist ” znajduje się na szczycie listy najlepszych miejsc pracy w 2019 roku. Dobrze się opłaca, a także oferuje bardzo wymagającą i satysfakcjonującą ścieżkę kariery. W związku z tym wzrosła liczba stanowisk związanych z analityką danych, podobnie jak liczba kandydatów.

Nawet jeśli zignorujesz konkurencję, nadal musisz udowodnić, że masz umiejętności, aby być częścią firmy. Jaki jest więc pierwszy krok do zdobycia wymarzonej pozycji data science? Świetne i dobrze przygotowane CV.

Jeszcze zanim spotkasz kierownika ds. rekrutacji, wyrobi on sobie opinię o Tobie poprzez Twoje CV. Więc lepiej przykuwaj uwagę i poproś ich, aby zadzwonili do ciebie na rozmowę kwalifikacyjną. Nauczmy się, jak to zrobić.

Podstawy

Większość kandydatów popełnia wielki błąd, przygotowując jedno CV i wysyłając je do wszystkich potencjalnych pracodawców (i często błędnie je wszystkie). To bardzo bezowocna praktyka; nie przyniesie Ci oczekiwanych rezultatów. Tak więc, jeśli firma opublikuje reklamę naukowca zajmującego się danymi, którego podstawową umiejętnością jest Python, a Ty wyślesz mu CV wyjaśniające, w jaki sposób jesteś Królem R, to przepraszam; to nie zadziała.

Każde CV powinno być dostosowane do stanowiska i wakatu, o który się ubiegasz. To samo CV można wysłać do kilku różnych pracodawców, ale nawet wtedy trzeba będzie wprowadzić drobne poprawki. Pamiętaj też o następujących wskazówkach, gdy zaczniesz wznawiać analizę danych:

• Zachowaj CV na jedną stronę. Dopóki nie masz 15+ odpowiedniego doświadczenia w tej dziedzinie, nie przekraczaj jednej strony.
• Obficie używaj odstępów.
• Używaj nagłówków i podtytułów tam, gdzie jest to właściwe. Dzięki temu CV jest bardziej czytelne. Podobnie jak podkreślanie.
• Używaj czytelnych czcionek. Większość kandydatów, chcąc być fantazyjnym, używa czcionek kursywnych (takich jak Lobster). Albo przenoszą to na drugą skrajność i używają zwyczajnych (takich jak Caveat). Unikaj tych skrajności. Zachowaj funkcjonalność i profesjonalizm. Używaj czcionek takich jak Arial, Times New Roman i Proxima Nova.
• Nie przesadzaj z kolorami.
• Korekta i gramatyka – zawsze sprawdzaj swoje CV. Przeprowadź go przez Grammarly lub poproś znajomego, aby go obejrzał. Nawet jeden błąd w pisowni może zepsuć twoje wrażenie.

Sekcje, które należy uwzględnić w CV dotyczącym analizy danych

Oto podstawowe sekcje, które należy uwzględnić. Możesz dodawać i pomijać, jak chcesz, ale zawierają one podstawowe szczegóły, które powinien znać menedżer ds. Rekrutacji. Zamówienie może być również takie, jak sobie życzysz.

• Wznów cel/podsumowanie
• Doświadczenie zawodowe
• Kluczowe/podstawowe umiejętności
• Wykształcenie i certyfikaty (jeśli występują)
• Wszelkie projekty lub publikacje
• Podstawowe informacje o Tobie
• Sekcja hobby (lub taka, która pokazuje Twoją osobowość typu „najbardziej dumny z”)

Co uwzględnić w każdej sekcji

Wznów cel/podsumowanie

To pierwsza sekcja, na którą spojrzy rekruter. Jest to bardzo ważna sekcja, ponieważ pomoże ci wstawić stopę w drzwi i zmusi rekrutera do przeczytania reszty twojego CV, w którym wyjaśnisz swoje osiągnięcia.

Więc który piszesz? Cel czy podsumowanie?

Jeśli jesteś niedawnym absolwentem lub nowicjuszem w tej dziedzinie, piszesz cel CV. Jeśli masz odpowiednie doświadczenie i wyniki w tej dziedzinie, piszesz podsumowanie.

Oto jak napisać cel CV

Niedawny absolwent Uniwersytetu XYZ z tytułem Bachelors in Computer Science. Wykorzystałem swoje umiejętności analityczne i strategiczne w budowaniu projektów, dzięki którym zdobyłem Global Data Science Challenge w 2018 roku. Chętnie wykorzystam swoje umiejętności do rozwiązywania rzeczywistych problemów.

Ciekawe. Chciałbyś czytać dalej, nie?

Oto, kiedy nie chciałbyś czytać dalej

Niedawny absolwent Uniwersytetu XYZ z tytułem Bachelors in Computing and IT. Chęć poznania technologii analizy danych i zdobycia w nich umiejętności.

Ups. Ten zostaje wrzucony do kosza. Wspomnij o swoich umiejętnościach, wszelkich osiągnięciach, jeśli je posiadasz, oraz o tym, co możesz zrobić dla pracodawcy, a nie na odwrót. Następnie, oto jak napisać podsumowanie CV:

Ambitny inżynier data science z ponad 5-letnim doświadczeniem. Specjalizujemy się w używaniu Tableau do tworzenia przejrzystych modeli danych, które destylują duże ilości danych w łatwe do zrozumienia wizualizacje. Zwycięzca dorocznego konkursu Tableau Challenge.

Oto jak tego nie pisać

Inżynier data science z dużym doświadczeniem może przeprowadzać analizy statystyczne, czyszczenie danych, wizualizację danych, a także kierować zespołami.

Wniosek: unikaj niejasnych twierdzeń. Dołącz twarde fakty i liczby, aby Twoja wiedza była bardziej namacalna.

Doświadczenie zawodowe

Wymień swoje doświadczenie zawodowe w odwrotnej kolejności chronologicznej. Umożliwi Ci to rozpoczęcie od najbardziej imponujących punktów, ponieważ Twoje obowiązki i wyniki wzrosłyby od początku Twojej kariery. Następnie wybierz swoje najlepsze projekty do uwzględnienia. Nie musisz wspominać o każdym projekcie, nad którym pracowałeś pod słońcem.

Wreszcie, co najważniejsze, staraj się wywierać wpływ . Każde CV dotyczące nauki o danych będzie zawierało analizę statystyczną, wizualizację danych i eksplorację danych. Ale wpływ, który byś wywarł, byłby wyjątkowy dla ciebie. Dołącz więc twarde fakty i liczby dotyczące tego, w jaki sposób Twoje wysiłki i umiejętności pomogły firmie w rozwoju.

Oto możliwy format

Stanowisko i nazwa firmy

Pracował od ____-____

Lokalizacja

Kluczowe osiągnięcia

<Tutaj mówisz o wpływie, jaki wywarłeś dzięki swoim obowiązkom i wszelkich znaczących nagrodach, które mogłeś wygrać>

Oto przykład, aby to było jaśniejsze:

Data scientist w Goldman Sachs

styczeń 2015- październik 2019

Bangalore, Indie

Kluczowe osiągnięcia

• Stworzenie i wdrożenie modeli do przewidywania rentowności kredytów. Osiągnął 20% wskaźnik poprawy jakości udzielanych kredytów.
• Prowadził 20-osobowy zespół wizualizacji danych w celu poprawy jakości raportowania statystycznego.
• Wygrał Global GS Data Science Competition 3 kwartały z rzędu.

Ponownie unikaj niejasności. Poprzyj swoje twierdzenia faktami i liczbami.

Kluczowe/podstawowe umiejętności: jeśli pozwala na to struktura twojego CV, podziel swoje umiejętności na twarde i miękkie.

Twarde umiejętności w zakresie nauki o danych obejmują: Python, R, SQL, API, czyszczenie danych, manipulację danymi, wiersz poleceń itp.

Umiejętności miękkie to: przywództwo, myślenie analityczne, myślenie strategiczne, kreatywność, praca zespołowa itp.

Przeczytaj także: Zalety uczenia się Pythona dla nauki o danych i sztucznej inteligencji.

Edukacja i certyfikaty

Większość ludzi umieszcza tę sekcję przed sekcją dotyczącą doświadczenia zawodowego. Ale to ostatnie ma większe znaczenie dla procesu rekrutacji, zwłaszcza jeśli pracujesz w branży od co najmniej 2 lat. Więc umieść go odpowiednio.

Jeśli ukończyłeś studia, nie musisz uwzględniać swojej edukacji. Postępuj również w odwrotnej kolejności chronologicznej, w której jako pierwszy wymieniasz swój ostatni stopień naukowy. Wymień wszystkie interesujące projekty lub nagrody, które zdobyłeś podczas swojego programu lub kluby/stowarzyszenia matematyczne/informatyczne, których byłeś częścią.

Jeśli masz jakieś certyfikaty, dołącz je również. Na przykład, gdy ubiegasz się o pracę związaną z nauką o danych, certyfikacja nauk o danych z renomowanej instytucji pomoże ci uzyskać rozmowę kwalifikacyjną.

Podstawowe informacje

Obejmuje to Twoje imię i nazwisko, miasto, stan (i kraj, jeśli ubiegasz się o pracę za granicą). Dołącz również swój aktywny adres e-mail, telefon, link do swojego profilu LinkedIn i link do bloga, jeśli taki posiadasz. Ponieważ ubiegasz się o stanowisko związane z analityką danych, rekruterzy będą chcieli zobaczyć, nad jakimi projektami pracowałeś lub obecnie pracujesz. Dołącz również link do GitHub.

Ucz się kursów nauki o danych z najlepszych światowych uniwersytetów. Zdobywaj programy Executive PG, Advanced Certificate Programs lub Masters Programs, aby przyspieszyć swoją karierę.

Zawijanie

Pomogą Ci one w przygotowaniu CV do nauki o danych. Jest tak samo ważny jak każdy inny aspekt procesu rekrutacji. Dlatego upewnij się, że dajesz z siebie wszystko, postępując zgodnie z powyższymi wskazówkami i wytycznymi. Do zobaczenia po drugiej stronie zatrudnienia!