Begynd med forretningseffekten
Sæt din nuværende rolle inden for data science først, og giv det stærkeste resultat, der understøtter en beslutning, sit eget punkt. Forklar forretningsspørgsmålet, dataene eller metoden, du brugte, og hvad der ændrede sig som følge af arbejdet. Forbind for eksempel en churn-model med, hvordan et team prioriterede kunder. Undgå kun at fremhæve modellens nøjagtighed, hvis det ikke viser, hvordan modellen blev brugt.
Forklar eksperimenter tydeligt
Ved arbejde med A/B-test skal du nævne, hvilken beslutning der blev testet, målingen og beskyttelsesmålingerne, og hvordan resultatet påvirkede et valg om produkt eller forretning. Nævn stikprøvestørrelse eller testens varighed, når det giver nyttig kontekst, og du kan dokumentere tallet. Skeln mellem eksperimenter, du designede, og analyser, du bidrog til, og giv ikke indtryk af, at en observeret ændring beviser årsagssammenhæng, hvis den ikke gør det.
Vær konkret om dine metoder
Brug metoder og værktøjer, der passer til stillingsopslaget, som Python, SQL, scikit-learn, prognoser eller kausal inferens. Knyt værktøjerne til konkret arbejde i stedet for at opremse alle de pakker, du har prøvet. Hvis en model blev sat i produktion, skal du beskrive din rolle i implementering og overvågning; hvis den kun blev brugt undersøgende, skal du forklare, hvordan resultaterne i stedet blev anvendt.
Vælg kvalifikationer med omhu
Data scientist-stillinger kræver ikke en bestemt autorisation eller certificering. Placer en relevant kandidatgrad højt, hvis stillingsopslaget efterspørger avanceret statistik eller et beslægtet fagområde, og nævn kun certificeringer, der er gyldige og relevante for rollen. Et kort link til et projekt kan vise arbejde, der er svært at forklare i punktform; fjern fortrolige data og arbejdsgiverens kode.