Veri Bilimi Özgeçmişi: Eksiksiz Kılavuz [222]

Yayınlanan: 2021-02-14

Glassdoor'a göre, ' Veri Bilimcisi ' 2019'daki en iyi işler listesinin başında yer alıyor. İyi para kazanıyor ve aynı zamanda çok zorlu ve ödüllendirici bir kariyer yolu sunuyor. Bu nedenle, veri bilimi pozisyonlarının sayısı arttı ve başvuru sayısı da arttı.

Rekabeti görmezden gelseniz bile, şirketin bir parçası olmak için gerekli becerilere sahip olduğunuzu kanıtlamanız gerekir. Peki, hayallerinizdeki veri bilimi pozisyonunu elde etmenin ilk adımı nedir? Mükemmel ve iyi hazırlanmış bir özgeçmiş.

İşe alım müdürüyle tanışmadan önce, özgeçmişiniz aracılığıyla sizinle ilgili bir fikir oluşturmuş olacaklardır. Bu nedenle, dikkat çekici olsa ve sizi bir röportaj için aramalarına yol açsa iyi olur. Bunu nasıl yapacağımızı öğrenelim.

İçindekiler

Temeller

Adayların çoğu, bir özgeçmiş hazırlayıp tüm potansiyel işverenleri göndermek gibi büyük bir hata yapar (ve çoğu zaman yanlışlıkla hepsini cc'ye gönderir). Bu çok verimsiz bir uygulamadır; size istediğiniz sonuçları vermeyecektir. Bu nedenle, bir şirket, birincil becerisi Python olan bir veri bilimcisi için bir reklam verirse ve onlara nasıl King of R olduğunuzu açıklayan bir özgeçmiş gönderirseniz, üzgünüm; işe yaramayacak.

Özgeçmişlerinizin her biri, başvurduğunuz pozisyona ve boş pozisyona göre uyarlanmalıdır. Aynı özgeçmiş birkaç farklı işverene gönderilebilir, ancak o zaman bile küçük düzeltmeler yapılması gerekecektir. Ayrıca, veri biliminizi devam ettirmeye başlarken aşağıdaki noktaları aklınızda bulundurun:

  • Özgeçmişi bir sayfa uzunluğunda tutun. Alanda 15'ten fazla ilgili deneyiminiz olmadıkça, bir sayfayı geçmeyin.
  • Boşluğu cömertçe kullanın.
  • Uygun olduğunda başlıklar ve alt başlıklar kullanın. Özgeçmişi daha okunaklı hale getirir. Vurgulamak da öyle.
  • Okunaklı yazı tipleri kullanın. Adayların çoğu süslü görünmek için el yazısı yazı tiplerini (Istakoz gibi) kullanır. Ya da onu diğer uç noktaya götürürler ve sıradan olanları kullanırlar (Caveat gibi). Bu aşırılıklardan kaçının. İşlevsel ve profesyonel tutun. Arial, Times New Roman ve Proxima Nova gibi yazı tiplerini kullanın.
  • Renkleri abartmayın.
  • Özgeçmişinizi her zaman düzeltme ve dilbilgisi açısından kontrol edin. Grammarly üzerinden çalıştırın veya bir arkadaşınıza bakmasını sağlayın. Tek bir yazım hatası bile izleniminizi mahvedebilir.

Veri bilimi özgeçmişinize dahil edilecek bölümler

İşte dahil edilecek temel bölümler. İstediğiniz gibi ekleyebilir ve atlayabilirsiniz, ancak bunlar bir işe alım yöneticisinin bilmesi gereken temel ayrıntıları kapsar. Sipariş de istediğiniz gibi olabilir.

  • Özgeçmiş hedefi/özet
  • İş deneyimi
  • Anahtar/temel beceriler
  • Eğitim ve sertifikalar (varsa)
  • Herhangi bir proje veya yayın
  • Hakkınızda temel bilgiler
  • Hobiler bölümü (veya kişiliğinizi 'en çok gurur duyduğu' gibi gösteren bölüm)

Her bölüme ne eklenmeli?

Özgeçmiş hedefi/özet

Bu, işe alım görevlisinin gözlerinin üzerine düşeceği ilk bölümdür. Bu çok önemli bir bölümdür, çünkü ayağınızı kapıya koymanıza ve işe alım görevlisini başarılarınızı açıkladığınız özgeçmişinizin geri kalanını okumaya zorlamanıza yardımcı olacaktır.

Peki sen hangisini yazıyorsun? Amaç mı, özet mi?

Yeni mezunsanız veya bu alanda daha yeniyseniz, bir özgeçmiş hedefi yazarsınız. Alanla ilgili deneyiminiz ve sonuçlarınız varsa, bir özet yazarsınız.

İşte bir özgeçmiş hedefi nasıl yazılır

XYZ Üniversitesi'nden Bilgisayar Bilimleri alanında lisans derecesine sahip yeni mezun. Analitik ve stratejik becerilerimi, 2018'de bana Global Data Science Challenge'ı kazandıran projeler oluştururken uyguladım. Becerilerimi şimdi gerçek dünyadaki sorunları çözmek için uygulamaya hevesliyim.

İlginç. Devamını okumak istersin, değil mi?

İşte daha fazla okumak istemeyeceğiniz zamanlar

XYZ Üniversitesi'nden Bilgisayar ve BT alanında lisans derecesine sahip yeni mezun. Veri bilimi teknolojilerini öğrenmek ve bu teknolojilerde beceri kazanmak istiyor.

Vay canına. Bu, çöp kutusuna atılır. Becerilerinizden, varsa başarılarınızdan ve işveren için bunun tersini yapmak yerine neler yapabileceğinizden bahsedin. Ardından, özgeçmiş özetini nasıl yazacağınız aşağıda açıklanmıştır:

5 yılı aşkın deneyime sahip hırslı veri bilimi mühendisi. Büyük miktarda veriyi kolayca anlaşılır görselleştirmelere damıtan netlik üreten veri modelleri oluşturmak için Tableau'yu kullanma konusunda uzmanlaşmak. Yıllık Tablo Yarışması'nın galibi.

İşte nasıl yazılmaz

Kapsamlı deneyime sahip veri bilimi mühendisi, istatistiksel analiz, veri temizleme, veri görselleştirme yapabilir ve ayrıca ekipleri yönetebilir.

Sonuç: belirsiz iddialardan kaçının. Uzmanlığınızı daha somut hale getirmek için somut gerçekleri ve sayıları ekleyin.

İş deneyimi

İş deneyiminizi ters kronolojik sırayla belirtin. Bu, kariyeriniz başladığından bu yana sorumluluklarınız ve sonuçlarınız artacağından, en etkileyici noktalarla başlamanıza izin verecektir. Ardından, dahil edilecek en iyi projelerinizi seçin. Güneşin altında üzerinde çalıştığınız her projeden bahsetmenize gerek yok.

Son olarak ve en önemlisi, etkiyi hedefleyin . Her veri bilimi özgeçmişi, istatistiksel analiz, veri görselleştirme ve veri madenciliğinden bahsedecektir. Ama yaratacağın etki sana özel olurdu. Bu nedenle, çabalarınızın ve becerilerinizin şirketin büyümesine nasıl yardımcı olduğuna dair somut gerçekleri ve rakamları ekleyin.

İşte olası bir biçim

Pozisyon ve şirket adı

____-____'den çalıştı

Konum

Anahtar başarılar

<Burada sorumluluklarınızın yarattığı etkiden ve kazanmış olabileceğiniz önemli ödüller hakkında konuşuyorsunuz>

İşte daha net hale getirmek için bir örnek:

Goldman Sachs'ta veri bilimcisi

Ocak 2015- Ekim 2019

Bangalore, Hindistan

Anahtar başarılar
  • Kredi karlılığını tahmin etmek için modeller oluşturuldu ve uygulandı. Onaylanan kredilerin kalitesinde %20'lik bir iyileşme oranı elde edildi.
  • İstatistiksel raporlamanın kalitesini artırmak için 20 kişilik bir veri görselleştirme ekibine liderlik etti.
  • Küresel GS Veri Bilimi Yarışmasını 3 çeyrek üst üste kazandı.

Yine, belirsizlikten kaçının. İddialarınızı gerçekler ve rakamlarla destekleyin.

Anahtar/temel beceriler: Özgeçmişinizin yapısı buna izin veriyorsa, becerilerinizi zor beceriler ve yumuşak beceriler olarak ayırın.

Veri bilimindeki zorlu beceriler şunları içerir: Python, R, SQL, API'ler, Veri Temizleme, Veri Manipülasyonu, Komut Satırı, vb.

Yumuşak beceriler şunları içerir: liderlik, analitik düşünme, stratejik düşünme, yaratıcılık, takım çalışması vb.

Ayrıca okuyun: Veri Bilimi ve Yapay Zeka için Python Öğrenmenin Avantajları.

Eğitim ve sertifikalar

Çoğu kişi bu bölüme iş deneyimi bölümünden önce yer verir. Ancak, özellikle en az 2 yıldır sektördeyseniz, ikincisi işe alım süreciyle daha alakalıdır. Yani, buna göre yerleştirin.

Üniversiteyi geçtiyseniz, okulunuzu dahil etmenize gerek yoktur. Ayrıca, en son derecenizden ilk önce bahsettiğiniz ters bir kronolojik sıra izleyin. Programınız sırasında kazandığınız ilginç projelerden veya ödüllerden veya parçası olduğunuz matematik/bilgisayar kulüplerinden/topluluklardan bahsedin.

Herhangi bir sertifikanız varsa, bunları da ekleyin. Örneğin, veri bilimi ile ilgili bir işe başvururken, tanınmış bir kurumdan alınan bir veri bilimi sertifikası, mülakat çağrısını almanıza yardımcı olacaktır.

Temel bilgiler

Adınızı , şehrinizi, eyaletinizi (ve denizaşırı bir iş için başvuruyorsanız ülkenizi) içerir. Ayrıca aktif e-posta adresinizi, telefonunuzu, LinkedIn profilinizin bağlantısını ve varsa blog bağlantınızı ekleyin. Bir veri bilimi pozisyonuna başvurduğunuz için, işe alım görevlileri hangi projeler üzerinde çalıştığınızı veya şu anda üzerinde çalıştığınızı görmek isteyecektir. Bu nedenle, bir GitHub bağlantısı da ekleyin.

Dünyanın en iyi Üniversitelerinden veri bilimi derslerini öğrenin . Kariyerinizi hızlandırmak için Yönetici PG Programları, Gelişmiş Sertifika Programları veya Yüksek Lisans Programları kazanın.

Toplama

Bunlar, veri biliminizi devam ettirmenizde size rehberlik edecek. İşe alma sürecinin diğer herhangi bir yönü kadar önemlidir. Bu nedenle, yukarıdaki ipuçlarını ve yönergeleri izleyerek elinizden gelenin en iyisini yaptığınızdan emin olun. İşe alınmanın diğer tarafında görüşürüz!

2022'de veri bilimcisi olmaya değer mi?

Veri Bilimi, veri ve teknolojiye sürekli artan bağımlılıklarımızla gerçekten de grafikleri yönlendiriyor. Veri bilimcilerinin talebi ve arzı arasında, onu 2022'nin en yüksek ücretli alanlarından biri yapan büyük bir boşluk var.
5 yıllık deneyime sahip bir veri bilimcisi yılda yaklaşık 300.000 dolar kazanıyor. İyi bir veri bilimci yılda yaklaşık 123.000 dolar kazanırken, veri bilimcilerinin ortalama maaşı yılda yaklaşık 91.000 dolar. Bu sadece taban maaş. Veri bilimcileri ayrıca 1K - 17k $ aralığında yaklaşık 8 bin $'lık çekici bir medya bonusu alıyorlar.

Veri bilimcisi olmak için hangi beceriler gereklidir?

Bir veri bilimi adayıysanız ve iyi fırsatlar yaratmak istiyorsanız, cephaneliğinizde olmak için aşağıdaki beceriler gereklidir:
1. İstatistik ve Olasılık
İstatistik ve Olasılık, Veri Biliminin en önemli iki matematiksel kavramıdır. Ortalama, medyan ve mod, doğrusal regresyon, hipotez testi gibi tanımlayıcı istatistikler, istatistik ve olasılık konularından bazılarıdır.
2. Programlama Dili
Bir programlama dili ile gitmeli ve içinde kodlamak için ustalaşmalısınız. Piyasada bir çok dil var ama sunduğu kütüphaneler ve modüller nedeniyle Python en çok tercih edilen dildir.
3. Makine Öğrenimi ve Derin Öğrenme
Makine Öğrenimi ve Derin Öğrenme, aynı anda iki ayrı alan ve Veri Biliminin alt kümeleridir. Bu konular, veri biliminde ilerlemenize yardımcı olacaktır.
4. Veri Görselleştirme
Veri Görselleştirme, verileri daha anlaşılır ve karlı hale getirmek için çizelgeler ve grafikler şeklinde görselleştirme sanatıdır.

Veri biliminin uygulamaları nelerdir?

Veri bir zorunluluk haline geldiğinden, Veri Bilimi birçok teknik alanı yönetmektedir. Aşağıdakiler veri biliminin başlıca uygulamalarıdır:
1. Finans ve bankacılık sektörü, düzenli olarak çok büyük miktarda verinin işlenmesi nedeniyle veri bilimini kullanmaya başlayan en eski sektörlerden biridir.
2. Sağlık sektörü veri bilimini ağırlıklı olarak Görüntü teşhisi, tıpta araştırma ve genetik gibi alanlarda kullanır.
3. Diğer alanlar havayolları, ulaşım, oyun ve üretimdir.