データサイエンスとAI · 中堅〜シニア（4年以上）

データサイエンティストの履歴書

このサンプルでは、データサイエンティストがモデリングの業務を製品や運用上の意思決定に結び付ける例を紹介します。優れた履歴書では、課題、データ、手法、測定可能な効果を明確にし、応募する職種に合ったツールや統計手法も示します。

履歴書チェック

採用担当者や応募者追跡システムが確認する項目をチェックできます。目安であり、結果を予測するものではありません。

95 / 100十分です

95%
  • 連絡先15 / 20 点
  • 職務要約20 / 20 点
  • 職歴30 / 30 点
  • スキル20 / 20 点
  • 学歴10 / 10 点

改善できる項目が1件あります

連絡先

採用担当者や応募者追跡システムが最初に確認するため、これらの情報を上部に記載してください。

任意です。米国、英国、カナダでは通常、履歴書に写真を載せません。

58語

職歴は1段落に1件ずつ記載し、実績ごとに新しい行を使って「-」で始めてください。

10件のスキル

スキルをカンマで区切って入力してください（例：Excel、SQL、プロジェクト計画）。

その他のセクション

応募に役立つプロジェクト、資格、語学、その他の情報を追加できます。

ツール

アレックス・モーガン

データサイエンティスト

  • アレックス・モーガン＠イグザンプル・ドットコム
  • +1 555 0100
  • Denver, CO

職務要約

B2B SaaS分野で5年の経験を持つデータサイエンティストです。製品や収益に関する意思決定を支えるモデルや実験を構築してきました。Python、SQL、予測モデリングに精通し、分析結果を製品チームに伝えることが得意です。応用統計学の修士号を取得しています。

職歴

Summitline Software、データサイエンティスト、Denver, CO（2023 – 現在） - 製品データと請求データを使ったscikit-learnの解約予測モデルを構築し、四半期ごとに解約リスクの高い180アカウントへの働きかけをカスタマーサクセスチームが優先できるよう支援しました。 - プロダクトマネージャーと12件のA/Bテストを設計・分析し、ガードレール指標を文書化して、意思決定までの期間を約1週間短縮しました。 - PythonとSQLで特徴量とモデルの週次監視を自動化し、手作業のレポート作成を週6時間削減するとともに、確認が必要なデータドリフトを検知しました。 Pine Mesa Digital、データアナリスト、Boulder, CO（2021 – 2023） - SQLとPythonを使って240万件のサブスクリプションイベントを分析し、オンボーディング中の離脱ポイントを特定しました。その結果を踏まえた変更により、トライアルの利用開始率が4%向上しました。 - 時系列特徴量を使った月次収益予測を開発し、財務チームの平均絶対予測誤差を14%から10%に削減しました。

学歴

応用統計学修士 — Colorado Plains University、Fort Collins, CO（2021）

スキル

  • Python
  • SQL
  • pandas
  • scikit-learn
  • 統計モデリング
  • A/Bテスト
  • 特徴量エンジニアリング
  • 予測モデリング
  • 時系列予測
  • データ可視化

ツール

• Python：pandas、NumPy、scikit-learn • SQL：PostgreSQL、BigQuery • 実験分析：statsmodels • 可視化：Tableau

データサイエンティストの履歴書の書き方

ビジネスへの効果を最初に示しましょう

現在のデータサイエンス職を最初に記載し、意思決定に役立った最も大きな成果を独立した箇条書きで示しましょう。ビジネス上の課題、使ったデータや手法、その業務によって何が変わったかを説明してください。たとえば、解約予測モデルがチームのアカウント対応の優先順位付けにどう役立ったかを示します。モデルの精度だけでは使われ方が分からない場合、それだけを成果として示すのは避けましょう。

実験の内容を分かりやすく説明しましょう

A/Bテストの業務では、検証した意思決定、指標とガードレール、その結果が製品やビジネス上の選択にどう役立ったかを記載しましょう。サンプルサイズやテスト期間は、役立つ背景情報になり、数値を裏付けられる場合にのみ記載してください。自分が設計した実験と分析を支援した実験を区別し、観察された変化だけでは因果関係を証明できない場合に、証明できたかのように書かないようにしましょう。

手法を具体的に示しましょう

Python、SQL、scikit-learn、予測、因果推論など、求人情報に合った手法やツールを記載しましょう。試したパッケージをすべて列挙するのではなく、実際の業務と関連付けてください。モデルを本番環境に導入した場合は、デプロイや監視での担当内容を説明しましょう。探索段階にとどまった場合は、得られた知見がどのように使われたかを記載してください。

資格はよく選んで記載しましょう

データサイエンティストに共通して必要な免許や資格はありません。求人で高度な統計学や関連分野が求められている場合は、関連する大学院の学位を履歴書の上部に記載し、現在も有効で職種に関連する資格だけを挙げましょう。箇条書きでは説明しにくい成果は、簡潔なプロジェクトリンクで示すと役立ちます。機密データや勤務先のコードは削除してください。

よく使われるキーワード

この職種でよく挙げられるスキルやツールです。自分が持っているものだけを、求人広告の表記に合わせて使いましょう。クリックするとコピーできます。

アクション動詞

構築しました分析しました開発しましたテストしました自動化しました予測しました発表しました

この職種についての質問

データサイエンティストの履歴書は何ページがよいですか？

経験が約5年の場合は、1〜2ページを目安にしましょう。重要なプロジェクトをいくつか選び、支えた意思決定や自分の具体的な貢献を説明するために紙面を使ってください。古い経験や関連性の低い業務は簡潔にし、応募する職種に合わないツールの一覧は削りましょう。一律のページ数制限はありません。何よりも、分かりやすさと関連する情報が大切です。

データサイエンティストには修士号が必要ですか？

すべてのデータサイエンティスト職に共通して必要な学位はありません。関連する経験があれば学士号で応募できる場合もあります。一方、研究中心の職種や専門性の高い職種では、統計学、コンピューターサイエンス、または関連分野の修士号や博士号が求められることがあります。求人の条件を確認し、応用スキル、専門分野の知識、適切な分析を行った実績を示しましょう。

ポートフォリオやGitHubのリンクを載せたほうがよいですか？

関連性のある完成済みの成果を公開できる場合は、ポートフォリオやGitHubのリンクを載せましょう。各プロジェクトでは、課題、データソース、手法、主な結果を簡潔に説明してください。勤務先のデータ、専有コード、機密情報は公開しないでください。リンクは任意です。公開できる例がない場合でも、履歴書の箇条書きでプロジェクトを分かりやすく説明できます。

どの資格を記載すればよいですか？

求人に関連し、取得済みの資格を記載しましょう。たとえば、求人で求められている有効なクラウドやデータプラットフォームの資格が該当します。正確な名称と発行元を記載し、該当する場合は有効期限も加えてください。データサイエンスには広く必須とされる専門職免許がないため、講座の修了証を規制対象の資格であるかのように示すのは避けましょう。