Science des données et IA · Confirmé à senior (4+ ans)

CV de data scientist

Cet exemple montre comment un data scientist peut relier son travail de modélisation aux décisions produit et opérationnelles. Un CV solide précise le problème, les données, les méthodes et les effets mesurables, tout en nommant les outils et techniques statistiques adaptés au poste visé.

Thomas Martin

Data scientist

  • thomas.martin@example.com
  • +33 1 23 45 67 89
  • Paris, Île-de-France

Résumé

Data scientist avec 5 ans d’expérience dans le SaaS B2B, où il conçoit des modèles et des expériences à l’appui des décisions produit et de chiffre d’affaires. Maîtrise de Python, SQL, de la modélisation prédictive et de la communication des résultats aux équipes produit ; titulaire d’un master en statistiques appliquées.

Expérience

Data Scientist chez Summitline Software (2023 - Présent) - Création d’un modèle de désabonnement scikit-learn à partir de données de produits et de facturation, aidant le équipe Customer Success à prioriser le contact avec 180 comptes à risque chaque trimestre. - Conception et analyse de 12 tests A/B avec les chefs de produit, documentant les indicateurs de garde-fou et réduisant le délai de prise de décision d’environ une semaine. - Automatisation de la surveillance hebdomadaire des caractéristiques et des modèles en Python et SQL, réduisant les rapports manuels de 6 heures par semaine et signalant la dérive des données pour examen. Analyste de données chez Pine Mesa Digital (2021 - 2023) - Interrogation de 2,4 millions d’événements d’abonnement avec SQL et Python pour identifier les points d’abandon lors de l’intégration, éclairant les changements associés à une augmentation de 4 % de l’activation des essais. - Développement d’une prévision de revenus mensuelle avec des caractéristiques de séries chronologiques, réduisant l’erreur de prévision absolue moyenne de l’équipe financière de 14 % à 10 %.

Formation

Master en statistiques appliquées - Plains State University (2021)

Compétences

  • Python
  • SQL
  • pandas
  • scikit-learn
  • modélisation statistique
  • tests A/B
  • ingénierie des caractéristiques
  • modélisation prédictive
  • prévision de séries temporelles
  • visualisation de données

Outils

• Python : pandas, NumPy, scikit-learn • SQL : PostgreSQL, BigQuery • Analyse d’expériences : statsmodels • Visualisation : Tableau

Utiliser cet exemple

Ouvrez le créateur avec ce CV de Data scientist, puis remplacez l'exemple par vos propres informations.

Commencer avec un CV vide

Mots-clés courants

Compétences et outils souvent mentionnés pour ce poste. Utilisez uniquement ceux que vous maîtrisez, en reprenant les termes de l’offre d’emploi. Cliquez sur un mot-clé pour le copier.

Verbes d’action

DéveloppéAnalyséConçuTestéAutomatiséPrévuPrésenté

Comment rédiger un CV de Data scientist

Commencez par l’impact métier

Placez d’abord votre poste actuel en data science et consacrez une puce au résultat le plus marquant pour la prise de décision. Expliquez la question métier, les données ou la méthode utilisées et ce qui a changé grâce à votre travail. Par exemple, reliez un modèle de résiliation à la façon dont une équipe a priorisé ses comptes. Évitez de présenter uniquement la précision du modèle si cela ne montre pas comment il a été utilisé.

Présentez clairement vos expériences

Pour les tests A/B, indiquez la décision évaluée, la métrique et les garde-fous, ainsi que la façon dont le résultat a éclairé un choix produit ou métier. Mentionnez la taille de l’échantillon ou la durée du test uniquement si cela apporte un contexte utile et que vous pouvez justifier ces chiffres. Distinguez les expériences que vous avez conçues des analyses auxquelles vous avez contribué, et ne laissez pas entendre qu’un changement observé prouve un lien de causalité si ce n’est pas le cas.

Précisez vos méthodes

Mentionnez les méthodes et outils correspondant à l’offre, comme Python, SQL, scikit-learn, la prévision ou l’inférence causale. Reliez les outils à des réalisations concrètes au lieu de lister tous les packages essayés. Si un modèle a été mis en production, décrivez votre rôle dans son déploiement et son suivi ; s’il est resté exploratoire, précisez plutôt comment ses résultats ont été utilisés.

Choisissez vos diplômes et certifications avec soin

Les postes de data scientist n’exigent ni licence professionnelle ni certification universelle. Placez en haut de votre CV un diplôme d’études supérieures pertinent lorsque l’offre demande une formation avancée en statistiques ou dans un domaine connexe, et indiquez uniquement les certifications à jour et liées au poste. Un lien vers un projet bien choisi peut illustrer un travail difficile à expliquer en quelques puces ; supprimez les données confidentielles et le code de votre employeur.

Tous les exemples de CV du domaine Science des données et IA

Questions sur ce métier

Quelle longueur donner à un CV de data scientist ?

Avec environ cinq ans d’expérience, prévoyez une ou deux pages. Utilisez l’espace pour présenter quelques projets importants, les décisions qu’ils ont éclairées et votre contribution précise. Résumez les expériences anciennes ou moins pertinentes, et raccourcissez les listes d’outils qui ne correspondent pas aux postes visés. Il n’existe pas de limite universelle au nombre de pages ; la clarté et la pertinence des détails comptent davantage.

Les data scientists doivent-ils avoir un master ?

Aucun diplôme unique n’est exigé pour tous les postes de data scientist. Certains employeurs acceptent une licence accompagnée d’une expérience pertinente, tandis que certains postes, notamment ceux axés sur la recherche ou la spécialisation, demandent un master ou un doctorat en statistiques, en informatique ou dans un domaine connexe. Suivez les exigences de l’offre et démontrez vos compétences pratiques, votre connaissance du domaine et votre capacité à mener des analyses rigoureuses.

Faut-il inclure un portfolio ou un lien GitHub ?

Ajoutez un portfolio ou un lien GitHub s’il présente des travaux pertinents et achevés que vous pouvez partager publiquement. Pour chaque projet, décrivez brièvement la question étudiée, la source des données, les méthodes et la conclusion. Ne publiez ni données de votre employeur, ni code propriétaire, ni informations sensibles. Le lien est facultatif ; une puce claire dans le CV peut présenter un projet lorsqu’il n’est pas approprié d’en publier un exemple.

Quelles certifications dois-je indiquer ?

Indiquez une certification si elle est pertinente pour le poste et que vous l’avez obtenue, par exemple une certification à jour d’une plateforme cloud ou de données demandée dans l’offre. Donnez son nom exact et précisez l’organisme émetteur ; ajoutez la date d’expiration, le cas échéant. Aucune licence professionnelle n’est largement obligatoire dans le domaine de la data science ; évitez donc de présenter une attestation de cours comme un titre réglementé.