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.

Vérification du CV

Les éléments recherchés par les recruteurs et les systèmes de suivi. Un guide, pas une prédiction.

100 / 100Complet

100%
  • Coordonnées20 / 20
  • Résumé20 / 20
  • Expérience30 / 30
  • Compétences20 / 20
  • Formation10 / 10

Coordonnées

Placez-les en haut de votre CV ; les recruteurs et les systèmes de suivi les recherchent en premier.

Facultatif. Aux États-Unis, au Royaume-Uni et au Canada, les CV ne comportent généralement pas de photo.

50 mots

Un poste par paragraphe ; commencez chaque réalisation sur une nouvelle ligne par « - ».

10 compétences

Séparez les compétences par des virgules, par exemple : Excel, SQL, planification de projets.

Autres sections

Projets, certifications, langues ou tout autre élément utile à votre candidature.

Outils

Alex Morgan

Data scientist

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

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, Denver, CO (2023 – Aujourd’hui) - Développé un modèle de résiliation avec scikit-learn à partir des données produit et de facturation, aidant l’équipe Customer Success à prioriser les prises de contact avec 180 comptes à risque chaque trimestre. - Conçu et analysé 12 tests A/B avec les responsables produit, en documentant les métriques de garde-fou et en réduisant d’environ une semaine le délai de prise de décision. - Automatisé le suivi hebdomadaire des caractéristiques et des modèles en Python et SQL, réduisant de 6 heures par semaine le reporting manuel et signalant les dérives de données à examiner. Analyste de données chez Pine Mesa Digital, Boulder, CO (2021 – 2023) - Interrogé 2,4 millions d’événements d’abonnement avec SQL et Python pour repérer les étapes d’abandon à l’intégration, ce qui a orienté des changements associés à une hausse de 4 % de l’activation des essais. - Développé une prévision mensuelle du chiffre d’affaires à partir de caractéristiques de séries temporelles, réduisant l’erreur absolue moyenne des prévisions de l’équipe financière de 14 % à 10 %.

Formation

Master en statistiques appliquées — Colorado Plains University, Fort Collins, CO (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

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.

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

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.