ประวัติการเรียนรู้ของเครื่อง – คู่มือ & ตัวอย่าง

เผยแพร่แล้ว: 2021-03-05

ในยุคปัจจุบัน การรับงานแมชชีนเลิร์นนิงดูเหมือนค่อนข้างยากที่จะเห็นการแข่งขันกันมากมาย ประกาศรับสมัครงานวิศวกรแมชชีนเลิร์นนิง/นักวิทยาศาสตร์ข้อมูล รับผู้สมัครมากกว่า 200 คนภายในวันแรก วิธีจัดการกับสถานการณ์นี้เพื่อให้คุณได้งานแมชชีนเลิร์นนิงที่ยอดเยี่ยมอย่างรวดเร็ว?

การทำเรซูเม่เป็นเรื่องยากสำหรับผู้หางานส่วนใหญ่ เราจะแจกแจงแต่ละประเด็นให้ชัดเจนเพื่อให้กระบวนการนี้ราบรื่นสำหรับคุณ นั่นคือสิ่งที่บทความนี้พูดถึง

ในตอนท้ายของบทช่วยสอนนี้ คุณจะทราบสิ่งต่อไปนี้:

  • อะไรทำให้แมชชีนเลิร์นนิงกลับมาทำงานต่อ
  • โครงสร้างของเรซูเม่ตัวอย่าง
  • การวิเคราะห์เชิงลึกของแต่ละส่วนของเรซูเม่
  • สิ่งที่ควรทำและไม่ควรทำของเรซูเม่

มาเริ่มกันเลยดีกว่า

สารบัญ

อะไรทำให้ Machine Learning Resume ดี?

ขั้นตอนแรกในการสมัครงานทุกครั้งคือประวัติย่อ เรซูเม่เป็นเพียงสื่อกลางในการทำการตลาดให้กับนายหน้า เทียบเท่ากับการพูดว่า “เฮ้ นี่คือสิ่งที่ฉันทำและทำมาทั้งหมดแล้ว และฉันก็เจ๋ง” แต่นั่นคือสิ่งที่เรซูเม่โดยเฉลี่ยทำและล้มเหลวอย่างน่าสังเวช เรซูเม่ที่ดีควรเป็นเอกสารที่กระชับ รัดกุม และมีโครงสร้างชัดเจน ซึ่งแสดงให้เห็นว่าเหตุใดคุณจึงเหมาะสมกับงานที่คุณกำลังสมัคร

เข้าร่วม หลักสูตรแมชชีนเลิ ร์นนิง ออนไลน์จากมหาวิทยาลัยชั้นนำของโลก – ปริญญาโท, Executive Post Graduate Programme และ Advanced Certificate Program ใน ML & AI เพื่อติดตามอาชีพของคุณอย่างรวดเร็ว

ปัจจัย ATS

ประกาศรับสมัครงานส่วนใหญ่มีประวัติย่อมากกว่า 100 รายการ คุณคิดว่านายหน้าต้องผ่านทุกเรซูเม่ที่ได้รับหรือไม่? ไม่ นายหน้าส่วนใหญ่ใช้ ATS (ระบบติดตามผู้สมัคร) ซึ่งงานแรกคือให้คะแนนประวัติย่อตามเนื้อหาของพวกเขา

เมื่อเรซูเม่ของคุณผ่านอุปสรรคของ ATS แล้ว เรซูเม่จะไปถึงมือของนายหน้าซึ่งจะสแกนเรซูเม่ของคุณเป็นเวลาสองสามวินาที แค่นั้นแหละ. เพียงไม่กี่วินาที ดังนั้นเป้าหมายของเราคือการสร้างเรซูเม่ที่ผ่านอุปสรรค ATS ก่อนแล้วจึงสร้างความประทับใจให้กับผู้สรรหา แล้วคุณจะมีโอกาสสูงที่จะได้รับสายจากพวกเขา

โครงสร้างของเรซูเม่การเรียนรู้ของเครื่องตัวอย่าง

ด้านล่างนี้คือตัวอย่างประวัติย่อของ Machine Learning ที่เราจะพูดคุยกัน เราขอแนะนำให้คุณทำตามและสร้างเรซูเม่ของคุณเองเมื่อคุณอ่าน สิ่งแรกและสำคัญที่สุดที่ต้องจำไว้ในขณะที่สร้างเรซูเม่ของคุณ และข้อผิดพลาดที่คน 8/10 คนทำในขณะที่ทำเรซูเม่ของพวกเขาก็คือ เรซู เม่ของคุณไม่จำเป็นต้องมีมากกว่าหนึ่ง หน้า

การทำประวัติย่อของคุณโดยไม่จำเป็นยาว 2 หรือ 3 หน้าจะไม่เพิ่มโอกาสในการรับสาย คุณชนะการแข่งขันในมาตรฐานที่ 7 หรือไม่? นายหน้าไม่สนใจ แนวคิดทั้งหมดในที่นี้คือการรวมเฉพาะข้อมูลที่เกี่ยวข้องเท่านั้น

เทมเพลตที่แสดงด้านบนค่อนข้างดีและผ่านการทดสอบแล้ว อย่างไรก็ตาม คุณสามารถสร้างเทมเพลตได้ตามต้องการ นอกจากนี้ คุณสามารถเพิ่ม/ลบส่วนต่างๆ ได้ตามโปรไฟล์และประสบการณ์ของคุณ สิ่งเดียวที่ต้องจำไว้คือยิ่งง่ายยิ่งดี มาดูทีละส่วนกัน

สรุป

สรุปไม่จำเป็นจริงๆ ถ้าคุณไม่มีประสบการณ์ทางวิชาชีพ แรงจูงใจเดียวของบทสรุปคือการบอกนายหน้าเกี่ยวกับภูมิหลังของคุณใน 1 หรือ 2 บรรทัด หากคุณเป็นคนใหม่และไม่มีประสบการณ์ทางวิชาชีพใด ๆ คุณสามารถข้ามสิ่งนี้ได้ คุณสามารถรวมสิ่งนี้ได้แม้ว่าคุณจะมีประสบการณ์การฝึกงานก็ตาม

ข้อผิดพลาดที่สำคัญที่ผู้สมัครส่วนใหญ่ทำคือการเพิ่มคำคุณศัพท์ที่ไม่จำเป็นลงในบทสรุป ตัวอย่างเช่น:

“มืออาชีพที่มีแรงจูงใจสูงพร้อมประสบการณ์การทำงานที่พิสูจน์แล้วในการเรียนรู้ของเครื่อง เป็นคนขยัน มีเป้าหมาย และกระตือรือร้น ฉันเป็นผู้เล่นในทีมที่เป็นนักแก้ปัญหาและมีทักษะในการเป็นผู้นำ มองหาบทบาทที่ท้าทายเพื่อแสดงทักษะและเติบโตของฉัน”

บทสรุปนี้ไม่ใช่สิ่งที่นายหน้าต้องการเห็นสิ่งแรกในประวัติย่อของคุณ และความจริงที่น่าเศร้าก็คือสิ่งนี้มีอยู่ในเรซูเม่ส่วนใหญ่ การทิ้งคำคุณศัพท์เช่น "แรงจูงใจสูง", "ผู้เล่นในทีม" ฯลฯ จะไม่ทำให้ประวัติย่อโดด เด่น มันทำให้ซ้ำซากและเปลืองพื้นที่ที่สำคัญเท่านั้น ส่วนสรุปควรพูดถึงประสบการณ์ที่คุณมี ทักษะที่สำคัญที่คุณมี และประเภทของบทบาทที่คุณต้องการ

รายละเอียดการติดต่อและโปรไฟล์โซเชียล

ส่วนนี้ควรมีหมายเลขโทรศัพท์ ที่อยู่อีเมล และเมืองปัจจุบันที่คุณอาศัยอยู่ อย่าใส่ที่อยู่ทั้งหมดจนถึงรหัส PIN นายหน้าไม่มีความสนใจในเรื่องนี้ เก็บรายละเอียดสถานที่ไว้เฉพาะในเมืองหรือรัฐเท่านั้น

โปรดจำไว้ว่า เราจะรวมเฉพาะข้อมูลที่เกี่ยวข้องเท่านั้น พยายามใส่ที่อยู่อีเมลที่ดูเป็นมืออาชีพและไม่ใช่สิ่งที่อาจสร้างความประทับใจให้กับนายหน้า สร้างใหม่ถ้าคุณยังไม่มี คุณจะใช้มันตลอดชีวิตของคุณ

ใส่ในโปรไฟล์ LinkedIn ของคุณหลังจาก กำหนดลิงค์ เอง เพิ่มโปรไฟล์ GitHub ของคุณก็ต่อเมื่อมีโครงการและกิจกรรมจำนวนมากเท่านั้น การเพิ่มลิงก์ Git ที่มีกิจกรรมไม่มากหรือน้อยจะทำให้เกิดความประทับใจ ใส่ลิงก์ที่เกี่ยวข้องอื่นๆ เช่น บล็อกหรือเว็บไซต์ของคุณ

ประสบการณ์การทำงาน

นี่เป็นส่วนที่สำคัญที่สุดและเป็นแก่นของประวัติย่อของคุณ หากคุณเป็นมืออาชีพที่มีประสบการณ์ รวมประสบการณ์การทำงานที่เกี่ยวข้องโดยใช้กริยาการกระทำ จดประเด็นให้กระชับและอย่าใส่ข้อมูลมากเกินไป หากคุณเป็นนักศึกษาใหม่และไม่มีประสบการณ์การทำงาน ให้เพิ่มประสบการณ์การฝึกงานที่เกี่ยวข้อง

หากคุณยังไม่มีสิ่งนั้น ให้ข้ามส่วนนี้และไปยังส่วนถัดไปและทำให้ส่วนนั้นเป็นส่วนสำคัญของเรซูเม่ของคุณ ทำตามรูปแบบการเขียนที่ใช้ในเทมเพลตด้านบน ตรวจสอบภาษาของเรซูเม่ของคุณว่าดีแค่ไหน ไปที่ resumeworded.com

โครงการการเรียนรู้ของเครื่องส่วนบุคคล

ส่วนนี้ควรประกอบด้วยโปรเจ็กต์แมชชีนเลิร์นนิงที่ดี 1 ถึง 3 โปรเจ็กต์ที่คุณเพิ่งทำไปเมื่อเร็วๆ นี้ เขียนเกี่ยวกับพวกเขาโดยย่อและใส่รายละเอียดที่สำคัญที่สุด อย่ารวมโปรเจ็กต์ระดับเริ่มต้น เช่น เรือไททานิค การทำนายราคาบ้าน ฯลฯ การเพิ่มสิ่งเหล่านี้จะไม่ทำให้ประวัติย่อของคุณโดดเด่น หากคุณเป็นนักศึกษาใหม่หรือไม่มีประสบการณ์การทำงานที่เกี่ยวข้องเลย ส่วนนี้ควรเป็นหัวใจหลักของประวัติย่อของคุณ ย้ายไปด้านบนและเพิ่มเนื้อหาเพียงพอโดยการทำโครงการที่ดีมาก

ทักษะ

ส่วนทักษะควรรวมทักษะการเรียนรู้ของเครื่องทั้งหมดที่คุณมี ไม่ว่าจะเป็นอัลกอริธึม เครื่องมือ และภาษา วิธีที่ดีในการทำให้เรซูเม่ของคุณเคลียร์ ATS คือการเพิ่มคีย์เวิร์ดที่กล่าวถึงใน JD ของงานที่คุณสมัคร เนื่องจาก ATS จะให้คะแนนประวัติย่อตามจำนวนการจับคู่คำหลักใน JD และประวัติย่อของคุณ

เปลี่ยนทักษะเล็กน้อยโดยแทนที่คำที่ใช้ใน JD ตัวอย่างเช่น การถดถอยเชิงเส้นควรเปลี่ยนเป็นแบบจำลองเชิงเส้น ถ้า JD มีสิ่งนั้น พยายามรวมคำหลักให้ได้มากที่สุด แต่อย่ารวมคำหลักที่คุณไม่รู้จัก

ความสำเร็จของ Hackathon

นี่เป็นส่วนเพิ่มเติมและสามารถข้ามได้ คุณยังสามารถเพิ่มส่วนอื่นที่คุณต้องการแสดงต่อนายหน้าได้อีกด้วย หลีกเลี่ยงการเพิ่มการรับรองจาก MOOC เนื่องจากไม่ได้เพิ่มน้ำหนักให้กับประวัติย่อมากนัก เพิ่มเฉพาะใบรับรองที่เกี่ยวข้องเท่านั้น เช่น “Microsoft Certified Azure Specialist” เป็นต้น

การศึกษา

ส่วนการศึกษาควรเก็บไว้ที่ด้านล่างหากคุณเป็นมืออาชีพที่มีประสบการณ์ หากคุณเพิ่งออกจากวิทยาลัยหรือเรียนมหาวิทยาลัย คุณสามารถรักษาระดับที่สูงกว่าไว้ได้มาก ส่วนนี้ควรมีรายละเอียดเฉพาะการสำเร็จการศึกษาของคุณ - ปริญญา วิทยาลัย/มหาวิทยาลัย และเกรด/CGPA ที่ได้รับ

สิ่งที่ควรทำและไม่ควรทำในประวัติย่อ

  • เก็บไว้ใน 1 หน้า
  • รวมเฉพาะข้อมูลที่เกี่ยวข้อง
  • รวมคีย์เวิร์ดจาก JD
  • ใช้คำพูดอธิบายประสบการณ์
  • ลบคำคุณศัพท์ทั้งหมด
  • หลีกเลี่ยงการใส่รูปถ่ายของคุณ

ก่อนที่คุณจะไป

เราครอบคลุมทุกแง่มุมของประวัติย่อของ Machine Learning ที่ยอดเยี่ยมและวิธีเพิ่มโอกาสในการรับสายสัมภาษณ์ การแข่งขันเพื่องานเดียวกันในปัจจุบันมีมาก แต่คุณสามารถข้ามคิวได้อย่างรวดเร็วโดยการทำงานในประเด็นข้างต้น และตรวจสอบให้แน่ใจว่าคุณไม่ได้ทำผิดพลาดแบบเดียวกันกับที่คนอื่นทำ

คุณสามารถใช้บทช่วยสอนนี้เป็นแนวทางและสร้างเรซูเม่ของคุณตั้งแต่เริ่มต้น เพียงตรวจสอบให้แน่ใจว่าไม่ได้สร้างประวัติย่อเพียงรายการเดียวและใช้สำหรับงานทั้งหมด ให้ปรับเปลี่ยนเล็กน้อยตามงานและข้อกำหนดแทน เพียงแค่ทำตามขั้นตอนเหล่านี้ คุณก็ล้ำหน้าคู่แข่งแล้ว!

หากคุณสนใจที่จะเรียนรู้เพิ่มเติมเกี่ยวกับแมชชีนเลิร์นนิง โปรดดูที่ IIIT-B & upGrad's Executive PG Program in Machine Learning & AI ซึ่งออกแบบมาสำหรับมืออาชีพที่ทำงานและมีการฝึกอบรมที่เข้มงวดมากกว่า 450 ชั่วโมง กรณีศึกษาและการมอบหมายมากกว่า 30 รายการ IIIT -B สถานะศิษย์เก่า 5+ โครงการหลักที่ปฏิบัติได้จริง & ความช่วยเหลืองานกับ บริษัท ชั้นนำ

ทักษะใดที่จำเป็นสำหรับแมชชีนเลิร์นนิง

การเรียนรู้ของเครื่องเป็นส่วนย่อยของปัญญาประดิษฐ์และแอปพลิเคชันหลักอยู่ใน Data Mining หรือ Pattern Recognition มีประโยชน์มากในการพัฒนาระบบการตัดสินใจอัตโนมัติ อย่างไรก็ตาม แมชชีนเลิร์นนิงไม่ได้จำกัดอยู่แค่นั้น อัลกอริธึมการเรียนรู้ของเครื่องมีบทบาทสำคัญในการประมวลผลภาษาธรรมชาติและการทำเหมืองข้อมูล แม้ว่าจะเป็นความเชี่ยวชาญ แต่ก็ควรถือเป็นสาขาหนึ่งของวิทยาการคอมพิวเตอร์ แมชชีนเลิร์นนิงต้องการความเข้าใจในวิชาคณิตศาสตร์เป็นอย่างดี เพราะต้องใช้ความน่าจะเป็น สถิติ และการสร้างแบบจำลอง สิ่งสำคัญคือต้องมีพื้นฐานที่ดีในภาษาการเขียนโปรแกรมคอมพิวเตอร์ เช่น C, C++, Java, Python, Perl, C# .NET และ R

จะสร้างเรซูเม่แมชชีนเลิร์นนิงที่ดีได้อย่างไร

แมชชีนเลิร์นนิงเป็นสาขาที่ร้อนแรงมากในปัจจุบัน หากคุณต้องการสร้างเรซูเม่แมชชีนเลิร์นนิง คุณจะต้องทำโปรเจ็กต์ในภาคสนาม อย่างไรก็ตาม คุณไม่สามารถกระโดดลงสนามโดยที่ไม่รู้อะไรเลยไม่ได้ เราขอแนะนำให้คุณทำงานล่วงหน้าก่อนที่จะกระโดดลงไปในสนามการเรียนรู้ของเครื่อง คุณออกแบบหลักสูตรเพื่อเตรียมพร้อมสำหรับบทบาทแมชชีนเลิร์นนิงได้ หลักสูตรสามารถเริ่มต้นด้วยคณิตศาสตร์ได้มาก แต่ควรให้มากกว่าพื้นฐานที่คุณต้องเรียนรู้ หลังจากนั้นควรครอบคลุมแนวคิดต่างๆ ในการเรียนรู้ของเครื่อง ถ้าอย่างนั้นก็ควรทบทวนคณิตศาสตร์มากกว่านี้

อนาคตของแมชชีนเลิร์นนิงคืออะไร?

ในช่วงไม่กี่ปีที่ผ่านมา เราได้เห็นการใช้แมชชีนเลิร์นนิงเพิ่มขึ้นอย่างมากสำหรับแอปพลิเคชันทางธุรกิจที่มีประสิทธิภาพ แมชชีนเลิร์นนิงสามารถใช้ในการคาดการณ์พฤติกรรมของลูกค้า แนะนำสินค้าให้กับลูกค้าตามประวัติ ทำให้การตลาดมีประสิทธิภาพมากขึ้น ฯลฯ จากการศึกษาพบว่า 80% ของธุรกิจที่ใช้แมชชีนเลิร์นนิงมีประสบการณ์ของลูกค้าที่ดีขึ้น