Data Science & KI · Berufserfahren bis Senior (4+ Jahre)

Lebenslauf als Data Scientist

Dieses Beispiel zeigt, wie ein Data Scientist Modellierungsarbeit mit Produkt- und Betriebsentscheidungen verknüpfen kann. Ein überzeugender Lebenslauf macht Problem, Daten, Methoden und messbare Wirkung deutlich und nennt zugleich die Tools und statistischen Verfahren, die zur angestrebten Rolle passen.

Lebenslauf-Prüfung

Wonach Personalverantwortliche und Bewerbermanagementsysteme suchen. Eine Orientierungshilfe, keine Vorhersage.

100 / 100Vollständig

100%
  • Kontakt20 / 20
  • Profil20 / 20
  • Berufserfahrung30 / 30
  • Kenntnisse20 / 20
  • Ausbildung10 / 10

Kontaktdaten

Tragen Sie diese oben ein. Personalverantwortliche und Bewerbermanagementsysteme suchen zuerst danach.

Optional. In den USA, im Vereinigten Königreich und in Kanada enthalten Lebensläufe üblicherweise kein Foto.

41 Wörter

Eine Stelle pro Absatz; beginnen Sie jede Leistung in einer neuen Zeile mit „-“.

10 Kenntnisse

Trennen Sie die Kenntnisse durch Kommas, zum Beispiel: Excel, SQL, Projektplanung.

Weitere Abschnitte

Projekte, Zertifikate, Sprachen oder alles Weitere, was Ihre Bewerbung unterstützt.

Tools

Alex Morgan

Data Scientist

  • alex.morgan@example.com
  • +1 555 0100
  • Denver, CO

Profil

Data Scientist mit 5 Jahren Erfahrung im B2B-SaaS-Bereich. Entwickelt Modelle und Experimente, die Produkt- und Umsatzentscheidungen unterstützen. Versiert in Python, SQL, prädiktiver Modellierung und der verständlichen Vermittlung von Ergebnissen an Produktteams; hat einen Master of Science in Angewandter Statistik.

Berufserfahrung

Data Scientist bei Summitline Software, Denver, CO (2023 – heute) - Mit scikit-learn ein Abwanderungsmodell aus Produkt- und Abrechnungsdaten entwickelt, das dem Customer-Success-Team dabei hilft, pro Quartal 180 gefährdete Kundenkonten für die Kontaktaufnahme zu priorisieren. - Gemeinsam mit Produktmanagern 12 A/B-Tests konzipiert und analysiert, Schutzkennzahlen dokumentiert und die Zeit bis zur Entscheidung um etwa eine Woche verkürzt. - Das wöchentliche Monitoring von Features und Modellen mit Python und SQL automatisiert; dadurch sank der manuelle Berichtsaufwand um 6 Stunden pro Woche und Datenverschiebungen wurden zur Prüfung markiert. Datenanalyst bei Pine Mesa Digital, Boulder, CO (2021 – 2023) - Mit SQL und Python 2,4 Millionen Abo-Ereignisse abgefragt und Abbruchstellen im Onboarding ermittelt; die daraus hervorgegangenen Änderungen waren mit einem Anstieg der Aktivierungen von Testversionen um 4 % verbunden. - Eine monatliche Umsatzprognose mit Zeitreihen-Features entwickelt; dadurch sank der durchschnittliche absolute Prognosefehler des Finanzteams von 14 % auf 10 %.

Ausbildung

Master of Science in Angewandter Statistik — Colorado Plains University, Fort Collins, CO (2021)

Kenntnisse

  • Python
  • SQL
  • pandas
  • scikit-learn
  • statistische Modellierung
  • A/B-Tests
  • Feature Engineering
  • prädiktive Modellierung
  • Zeitreihenprognose
  • Datenvisualisierung

Tools

• Python: pandas, NumPy, scikit-learn • SQL: PostgreSQL, BigQuery • Experimentauswertung: statsmodels • Visualisierung: Tableau

So schreiben Sie einen Lebenslauf als Data Scientist

Mit dem geschäftlichen Nutzen beginnen

Führen Sie Ihre aktuelle Data-Science-Rolle zuerst auf und geben Sie dem aussagekräftigsten Ergebnis für eine Entscheidung einen eigenen Aufzählungspunkt. Erklären Sie die geschäftliche Fragestellung, die verwendeten Daten oder Methoden und was sich durch Ihre Arbeit verändert hat. Verknüpfen Sie ein Abwanderungsmodell zum Beispiel damit, wie ein Team Konten priorisiert hat. Stellen Sie nicht allein die Modellgenauigkeit heraus, wenn daraus nicht hervorgeht, wie das Modell eingesetzt wurde.

Experimente verständlich erklären

Nennen Sie bei A/B-Tests die zu prüfende Entscheidung, die Kennzahl und die Schutzkennzahlen sowie die Auswirkungen des Ergebnisses auf eine Produkt- oder Geschäftsentscheidung. Geben Sie Stichprobengröße oder Testdauer nur an, wenn dadurch hilfreicher Kontext entsteht und Sie die Zahlen belegen können. Unterscheiden Sie zwischen Experimenten, die Sie konzipiert haben, und Analysen, die Sie unterstützt haben. Erwecken Sie nicht den Eindruck, eine beobachtete Veränderung beweise einen ursächlichen Zusammenhang, wenn das nicht der Fall ist.

Methoden konkret benennen

Nennen Sie Methoden und Tools, die zur Stellenanzeige passen, etwa Python, SQL, scikit-learn, Prognoseverfahren oder kausale Inferenz. Ordnen Sie die Tools tatsächlichen Aufgaben zu, statt jede ausprobierte Bibliothek aufzulisten. Wenn ein Modell produktiv eingesetzt wurde, beschreiben Sie Ihren Beitrag zu Deployment und Monitoring. Wenn es bei einer explorativen Analyse blieb, erklären Sie stattdessen, wie die Ergebnisse genutzt wurden.

Qualifikationen sorgfältig auswählen

Für Data-Scientist-Rollen gibt es keine allgemeine Berufszulassung oder vorgeschriebene Zertifizierung. Stellen Sie einen passenden weiterführenden Abschluss weit oben dar, wenn die Stellenanzeige fortgeschrittene Statistikkenntnisse oder ein verwandtes Fachgebiet verlangt. Führen Sie nur aktuelle Zertifizierungen auf, die zur Rolle passen. Ein knapper Projektlink kann Arbeiten zeigen, die sich schwer in Aufzählungspunkten erklären lassen. Entfernen Sie vertrauliche Daten und Arbeitgeber-Code.

Gängige Schlüsselwörter

Kenntnisse und Werkzeuge, die für diese Position häufig aufgeführt werden. Verwenden Sie nur die, die Sie tatsächlich beherrschen, und übernehmen Sie die Formulierungen aus der Stellenanzeige. Klicken Sie auf ein Wort, um es zu kopieren.

Handlungsverben

EntwickeltAnalysiertKonzipiertGetestetAutomatisiertPrognostiziertPräsentiert

Fragen zu dieser Position

Wie lang sollte ein Lebenslauf als Data Scientist sein?

Bei etwa fünf Jahren Berufserfahrung sollten Sie ein bis zwei Seiten anstreben. Nutzen Sie den Platz, um einige umfangreiche Projekte, die damit unterstützten Entscheidungen und Ihren konkreten Beitrag zu beschreiben. Halten Sie ältere oder weniger relevante Tätigkeiten kurz und kürzen Sie Tool-Listen, die nicht zu den Stellen passen, auf die Sie sich bewerben. Eine allgemeingültige Seitenzahl gibt es nicht; wichtiger sind Verständlichkeit und relevante Details.

Brauchen Data Scientists einen Masterabschluss?

Für jede Data-Scientist-Stelle ist nicht derselbe Abschluss erforderlich. Arbeitgeber akzeptieren möglicherweise einen Bachelorabschluss mit einschlägiger Erfahrung. Für manche Stellen, insbesondere forschungsintensive oder spezialisierte Positionen, wird ein Master- oder Doktorgrad in Statistik, Informatik oder einem verwandten Fach verlangt. Richten Sie sich nach den Anforderungen der Stellenanzeige und belegen Sie Ihre praktischen Kompetenzen, Ihr Fachwissen und Ihre sorgfältige Analysearbeit.

Sollte ich einen Portfolio- oder GitHub-Link aufnehmen?

Nehmen Sie einen Portfolio- oder GitHub-Link auf, wenn er relevante, abgeschlossene Arbeiten zeigt, die Sie öffentlich teilen dürfen. Beschreiben Sie bei jedem Projekt kurz die Fragestellung, die Datenquelle, die Methoden und das Ergebnis. Veröffentlichen Sie keine Arbeitgeberdaten, proprietären Code oder sensiblen Informationen. Ein Link ist optional; wenn kein öffentliches Beispiel geeignet ist, können Sie ein Projekt auch in einem klaren Aufzählungspunkt im Lebenslauf erklären.

Welche Zertifizierungen sollte ich aufführen?

Führen Sie eine Zertifizierung auf, wenn sie zur Stelle passt und Sie sie abgeschlossen haben, etwa ein aktuelles Zertifikat für eine Cloud- oder Datenplattform, das in der Stellenanzeige verlangt wird. Geben Sie den genauen Namen und den Aussteller an; ergänzen Sie ein Ablaufdatum, falls es eines gibt. Für Data Science gibt es keine allgemein vorgeschriebene Berufszulassung. Erwecken Sie deshalb nicht den Eindruck, ein Kurszertifikat sei eine reglementierte Qualifikation.