CV w zakresie uczenia maszynowego — przewodnik i próbka

Opublikowany: 2021-03-05

W obecnych czasach zdobycie pracy w zakresie uczenia maszynowego wydaje się dość trudne, biorąc pod uwagę tak dużą konkurencję. Ogłoszenie o pracy inżyniera uczenia maszynowego/naukowca danych zdobywa ponad 200 kandydatów w ciągu pierwszego dnia. Jak więc poradzić sobie z tą sytuacją, aby szybko otrzymać niesamowitą pracę w zakresie uczenia maszynowego?

Tworzenie życiorysu jest uciążliwe dla większości osób poszukujących pracy. Podzielimy tutaj każdy punkt na klarowność, aby proces stał się dla Ciebie gładki jak masło. Dokładnie o tym mówi ten artykuł.

Pod koniec tego samouczka poznasz następujące rzeczy:

  • Co sprawia, że ​​CV oparte na uczeniu maszynowym jest dobre
  • Struktura przykładowego CV
  • Dogłębna analiza każdej sekcji CV
  • Co robić i czego nie robić w CV

Przejdźmy od razu.

Spis treści

Co sprawia, że ​​CV w zakresie uczenia maszynowego jest dobre?

Pierwszym krokiem do każdej aplikacji o pracę jest CV. CV to nic innego jak środek marketingowy dla rekrutera. To po prostu równoważne powiedzeniu „Hej, oto co zrobiłem i zrobiłem. I jestem niesamowity”. Ale to właśnie robi przeciętne CV i żałośnie zawodzi. Dobre CV powinno być jasnym, zwięzłym i bardzo ustrukturyzowanym dokumentem, który pokazuje, dlaczego nadajesz się do pracy, o którą się ubiegasz.

Dołącz do kursu uczenia maszynowego online z najlepszych światowych uniwersytetów — studiów magisterskich, programów podyplomowych dla kadry kierowniczej i zaawansowanego programu certyfikacji w zakresie uczenia się maszynowego i sztucznej inteligencji, aby przyspieszyć swoją karierę.

Czynnik ATS

Większość ofert pracy zawiera setki życiorysów. Czy myślisz, że rekruter przegląda każde otrzymane CV? Nie. Większość rekruterów korzysta z ATS (Systemu śledzenia kandydatów), którego pierwszym zadaniem jest ocenianie życiorysów zgodnie z ich treścią.

Gdy Twoje CV przekroczy barierę ATS, trafia ono do rąk rekrutera, który przez kilka sekund skanuje Twoje CV. Otóż ​​to. Tylko kilka sekund. Naszym celem jest więc stworzenie CV, które najpierw przekroczy barierę ATS, a następnie zaimponuje rekruterowi. A wtedy najprawdopodobniej otrzymasz od nich telefon.

Struktura przykładowego CV z uczeniem maszynowym

Poniżej znajduje się przykład CV na temat uczenia maszynowego, które omówimy. Sugerujemy, abyś podążał dalej i tworzył własne CV podczas czytania. Pierwszą i najważniejszą rzeczą, o której należy pamiętać podczas tworzenia CV, a także błędem, który popełnia 8 na 10 osób podczas tworzenia CV, jest to, że Twoje CV nie musi być dłuższe niż strona .

Jeśli Twoje CV ma niepotrzebnie 2 lub nawet 3 strony, w żaden sposób nie zwiększysz szans na otrzymanie połączenia. Wygrałeś wyścig w 7. standardzie? Rekruter to nie obchodzi. Cały pomysł polega na tym, aby zawrzeć tylko istotne informacje.

Powyższy szablon jest całkiem dobry i przetestowany. Jednak zawsze możesz stworzyć dowolny szablon. Możesz także dodawać/usuwać sekcje, które pasują do Twojego profilu i doświadczenia. Jedyne, o czym należy pamiętać, to im prościej, tym lepiej. Przyjrzyjmy się po kolei każdej sekcji.

Streszczenie

Podsumowanie nie jest konieczne, jeśli nie masz doświadczenia zawodowego. Jedynym motywem podsumowania jest poinformowanie rekrutera o swojej przeszłości w 1 lub 2 linijkach. Jeśli jesteś nowicjuszem i nie masz żadnego doświadczenia zawodowego, możesz pominąć to. Możesz to uwzględnić, nawet jeśli masz doświadczenie w stażu.

Głównym błędem popełnianym przez większość wnioskodawców jest dodawanie do streszczenia zbędnych przymiotników. Na przykład:

„Wysoce zmotywowany profesjonalista z udokumentowanym doświadczeniem w uczeniu maszynowym. Osoba pracowita, zorientowana na cel i proaktywna. Jestem graczem zespołowym, który rozwiązuje problemy i posiada umiejętności przywódcze. Szukam ambitnej roli, aby zaprezentować swoje umiejętności i rozwijać się”.

To podsumowanie wcale nie jest tym, co rekruter chce widzieć jako pierwszą rzecz w twoim CV. A smutna prawda jest taka, że ​​to właśnie jest obecne w większości życiorysów. Dumping w przymiotnikach takich jak „wysoko zmotywowany”, „gracz zespołowy” itp. nie sprawi, że CV będzie się wyróżniać . To tylko sprawia, że ​​jest bardziej zbędny i marnuje kluczową przestrzeń. Sekcja podsumowująca powinna zawierać informacje o tym, jakie masz doświadczenie, jakie główne umiejętności posiadasz i jakich ról szukasz.

Dane kontaktowe i profile społecznościowe

Ta sekcja powinna zawierać Twój numer telefonu, adres e-mail i miasto, w którym aktualnie mieszkasz. NIE dołączaj całego adresu do kodu PIN . Rekruter nie jest tym zainteresowany. Zachowaj szczegóły lokalizacji tylko dla miasta lub co najwyżej stanu.

Pamiętaj, że zamieścimy tylko istotne informacje. Postaraj się umieścić profesjonalnie wyglądający adres e-mail, a nie coś, co mogłoby wywrzeć złe wrażenie na rekrutującym. Zrób nowy, jeśli jeszcze go nie masz. Będziesz tego używał przez całe życie.

Umieść w swoim profilu LinkedIn po dostosowaniu linku . Dodaj swój profil GitHub tylko wtedy, gdy ma dużą liczbę projektów i aktywności. Dodanie linku do Git bez aktywności lub z mniejszą aktywnością zrobi złe wrażenie. Umieść wszelkie inne odpowiednie linki, takie jak Twój blog lub witryna.

Doświadczenie zawodowe

Jest to najważniejsza część i rdzeń twojego CV, jeśli jesteś doświadczonym profesjonalistą. Uwzględnij odpowiednie doświadczenie zawodowe, używając czasowników opisujących czynności. Zachowaj zwięzłość punktów i nie podawaj zbyt wielu informacji. Jeśli jesteś nowicjuszem i nie masz żadnego doświadczenia zawodowego, dodaj odpowiednie doświadczenie ze stażu.

Jeśli nawet tego nie masz, pomiń tę sekcję i przejdź do następnej sekcji i uczyń z tego rdzeń swojego CV. Postępuj zgodnie ze stylem pisania użytym w powyższym szablonie. Aby sprawdzić, jak dobry jest Twój język CV, odwiedź stronę resumeworded.com.

Indywidualne projekty uczenia maszynowego

Ta sekcja powinna zawierać od 1 do 3 dobrych projektów uczenia maszynowego, które ostatnio wykonałeś. Napisz o nich krótko i podaj najważniejsze szczegóły. Nie uwzględniaj projektów na poziomie początkującym, takich jak Titanic, prognozy cen domów itp. Dodanie ich nie sprawi, że Twoje CV będzie się wyróżniać. Jeśli jesteś nowicjuszem lub nie masz odpowiedniego doświadczenia zawodowego, ta sekcja powinna stanowić rdzeń twojego CV. Przenieś go na górę i dodaj wystarczającą ilość treści, wykonując kilka bardzo dobrych projektów.

Umiejętności

Sekcja umiejętności powinna zawierać wszystkie umiejętności uczenia maszynowego, które posiadasz – czy to algorytmy, narzędzia i języki. Świetnym sposobem na upewnienie się, że Twoje CV jest zgodne z ATS, jest dodanie dokładnych słów kluczowych wymienionych w dokumencie JD pracy, o którą się ubiegasz. Dzieje się tak, ponieważ ATS ocenia CV według liczby dopasowań słów kluczowych w JD i Twoim CV.

Więc nieznacznie zmień umiejętności, zastępując słowa użyte w JD. Na przykład, regresja liniowa powinna zostać zmieniona na modele liniowe, jeśli JD to ma. Postaraj się podać jak najwięcej słów kluczowych, ale nie uwzględniaj tych, o których nie wiesz.

Osiągnięcia w Hackathonie

To jest dodatkowa sekcja i można ją pominąć. Możesz także dodać kolejną sekcję, którą chcesz pokazać rekruterowi. Unikaj dodawania certyfikatów z kursów MOOC, ponieważ nie dodają one dużej wagi do CV. Dodawaj tylko odpowiednie certyfikaty. Takich jak „Microsoft Certified Azure Specialist” itp.

Edukacja

Sekcja edukacyjna powinna być umieszczona na dole, jeśli jesteś doświadczonym profesjonalistą. Jeśli jesteś świeżo po studiach lub nadal jesteś na studiach, możesz utrzymać to znacznie powyżej. Ta sekcja powinna zawierać tylko szczegóły twojego ukończenia - stopień, uczelnię / uniwersytet i uzyskaną ocenę / CGPA.

Co robić i czego nie robić w CV

  • Zachowaj to na 1 stronie
  • Uwzględnij tylko istotne informacje
  • Uwzględnij słowa kluczowe z JD
  • Użyj słów działania, aby opisać doświadczenie
  • Usuń wszystkie przymiotniki
  • Unikaj dołączania swojego zdjęcia

Zanim pójdziesz

Omówiliśmy wszystkie aspekty świetnego CV w zakresie uczenia maszynowego i dowiedzieliśmy się, jak zmaksymalizować swoje szanse na rozmowy kwalifikacyjne. Konkurencja o tę samą pracę jest obecnie duża, ale możesz szybko pominąć kolejkę, pracując nad powyższym punktem i upewniając się, że nie popełniasz tego samego błędu, który popełniają inni.

Możesz użyć tego samouczka jako przewodnika i zbudować swoje CV od podstaw. Tylko upewnij się, że nie tworzysz jednego CV i nie używasz go do wszystkich zadań. Zamiast tego nieznacznie zmień go zgodnie z pracą i wymaganiami. Wystarczy wykonać te kroki, aby wyprzedzić konkurencję!

Jeśli chcesz dowiedzieć się więcej o uczeniu maszynowym, zapoznaj się z programem IIIT-B i upGrad Executive PG w zakresie uczenia maszynowego i sztucznej inteligencji, który jest przeznaczony dla pracujących profesjonalistów i oferuje ponad 450 godzin rygorystycznych szkoleń, ponad 30 studiów przypadków i zadań, IIIT Status -B Alumni, ponad 5 praktycznych praktycznych projektów zwieńczenia i pomoc w pracy z najlepszymi firmami.

Jakie umiejętności są wymagane do uczenia maszynowego?

Uczenie maszynowe jest podzbiorem sztucznej inteligencji, a jego głównym zastosowaniem jest eksploracja danych lub rozpoznawanie wzorców. Jest bardzo przydatny w tworzeniu zautomatyzowanych systemów podejmowania decyzji. Jednak uczenie maszynowe nie ogranicza się do tego. Algorytmy uczenia maszynowego odgrywają ważną rolę w przetwarzaniu języka naturalnego i eksploracji danych. Chociaż jest to ekspertyza, należy ją uznać za gałąź informatyki. Uczenie maszynowe wymaga dobrej znajomości matematyki, ponieważ wykorzystuje prawdopodobieństwo, statystyki i modelowanie. Ważne jest również, aby mieć silne doświadczenie w językach programowania komputerowego, takich jak C, C++, Java, Python, Perl, C# .NET i R.

Jak zbudować dobre CV do uczenia maszynowego?

Uczenie maszynowe to obecnie bardzo popularna dziedzina. Jeśli chcesz zbudować CV oparte na uczeniu maszynowym, będziesz musiał wykonać kilka projektów w terenie. Nie możesz jednak po prostu wskoczyć w teren, nie wiedząc nic o tym. Zalecamy wykonanie wstępnej pracy przed faktycznym przejściem do dziedziny uczenia maszynowego. Możesz zaprojektować program nauczania, który pozwoli Ci przygotować się do roli systemów uczących się. Program nauczania może zaczynać się od dużej ilości matematyki, ale powinien obejmować podstawy, których musisz się nauczyć. Następnie powinien obejmować różne koncepcje uczenia maszynowego. Następnie powinno przejść przez trochę więcej matematyki.

Jaka jest przyszłość uczenia maszynowego?

W ostatnich latach obserwujemy ogromny wzrost wykorzystania uczenia maszynowego w efektywnych aplikacjach biznesowych. Uczenie maszynowe może być wykorzystywane do prognozowania zachowań klientów, polecania produktów klientom na podstawie ich historii, zwiększania skuteczności marketingu itp. Badanie wykazało, że 80% firm korzystających z uczenia maszynowego doświadczyło lepszej obsługi klienta.