Data science i AI · Średni i starszy specjalista (4+ lata)

CV data scientista

Ten przykład pokazuje, jak data scientist może powiązać pracę nad modelami z decyzjami produktowymi i operacyjnymi. Dobre CV jasno przedstawia problem, dane, metody i mierzalne efekty, a także wymienia narzędzia i techniki statystyczne dopasowane do stanowiska.

Ocena CV

Czego szukają rekruterzy i systemy ATS. To wskazówka, nie prognoza.

100 / 100Kompletne

100%
  • Dane kontaktowe20 / 20
  • Podsumowanie20 / 20
  • Doświadczenie30 / 30
  • Umiejętności20 / 20
  • Wykształcenie10 / 10

Dane kontaktowe

Umieść je na górze CV — rekruterzy i systemy ATS szukają ich w pierwszej kolejności.

Opcjonalne. W USA, Wielkiej Brytanii i Kanadzie CV zwykle nie zawiera zdjęcia.

37 słów

Każde stanowisko opisz w osobnym akapicie; każde osiągnięcie zacznij w nowym wierszu od „-”.

10 umiejętności

Oddziel umiejętności przecinkami, na przykład: Excel, SQL, planowanie projektów.

Dodatkowe sekcje

Projekty, certyfikaty, języki lub inne informacje, które wspierają twoją kandydaturę.

Narzędzia

Alex Morgan

Data scientist

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

Podsumowanie

Data scientist z 5-letnim doświadczeniem w branży B2B SaaS. Buduje modele i eksperymenty wspierające decyzje produktowe i dotyczące przychodów. Specjalizuje się w Pythonie, SQL, modelowaniu predykcyjnym i przedstawianiu wyników zespołom produktowym. Ma tytuł magistra statystyki stosowanej.

Doświadczenie

Data scientist w Summitline Software, Denver, CO (2023 – obecnie) - Zbudował model rezygnacji klientów w scikit-learn na podstawie danych o produkcie i rozliczeniach, pomagając zespołowi ds. sukcesu klienta ustalać priorytety kontaktu ze 180 zagrożonymi odejściem kontami w każdym kwartale. - Zaprojektował i przeanalizował 12 testów A/B z menedżerami produktu, dokumentując metryki ochronne i skracając czas do podjęcia decyzji o około tydzień. - Zautomatyzował cotygodniowe monitorowanie cech i modeli w Pythonie i SQL, ograniczając ręczne raportowanie o 6 godzin tygodniowo i oznaczając zmiany rozkładu danych do sprawdzenia. Analityk danych w Pine Mesa Digital, Boulder, CO (2021 – 2023) - Przeanalizował w SQL i Pythonie 2,4 miliona zdarzeń subskrypcyjnych, aby znaleźć miejsca, w których użytkownicy rezygnowali z wdrożenia, co pomogło wprowadzić zmiany powiązane ze wzrostem aktywacji wersji próbnej o 4%. - Opracował miesięczną prognozę przychodów z cechami szeregów czasowych, zmniejszając średni bezwzględny błąd prognozy zespołu finansowego z 14% do 10%.

Wykształcenie

Magister statystyki stosowanej — Colorado Plains University, Fort Collins, CO (2021)

Umiejętności

  • Python
  • SQL
  • pandas
  • scikit-learn
  • modelowanie statystyczne
  • testy A/B
  • inżynieria cech
  • modelowanie predykcyjne
  • prognozowanie szeregów czasowych
  • wizualizacja danych

Narzędzia

• Python: pandas, NumPy, scikit-learn • SQL: PostgreSQL, BigQuery • Analiza eksperymentów: statsmodels • Wizualizacja: Tableau

Jak napisać CV na stanowisko: Data scientist

Zacznij od wpływu na biznes

Na początku wymień swoje obecne stanowisko w data science, a najmocniejszy wynik związany z podejmowaniem decyzji opisz w osobnym punkcie. Wyjaśnij, jakie pytanie biznesowe analizujesz, jakich danych lub metod używasz i co zmienia Twoja praca. Na przykład pokaż, jak model rezygnacji klientów pomaga zespołowi ustalać priorytety wśród kont. Nie przedstawiaj samej trafności modelu, jeśli nie pokazuje, jak został wykorzystany.

Jasno opisuj eksperymenty

W przypadku testów A/B nazwij decyzję, którą testujesz, podaj metrykę i wskaźniki ochronne oraz wyjaśnij, jak wynik wpłynął na decyzję produktową lub biznesową. Wspomnij o liczebności próby lub czasie trwania testu tylko wtedy, gdy wnosi to przydatny kontekst i możesz potwierdzić te dane. Rozróżnij eksperymenty, które projektujesz, od analiz, w których pomagasz. Nie sugeruj, że zaobserwowana zmiana dowodzi związku przyczynowego, jeśli tak nie jest.

Konkretnie opisuj metody

Wymień metody i narzędzia dopasowane do ogłoszenia, takie jak Python, SQL, scikit-learn, prognozowanie lub wnioskowanie przyczynowe. Powiąż narzędzia z faktyczną pracą zamiast wyliczać każdy wypróbowany pakiet. Jeśli model trafił do środowiska produkcyjnego, opisz swój udział we wdrożeniu i monitorowaniu. Jeśli pozostał na etapie eksploracji, wyjaśnij, jak wykorzystano uzyskane wyniki.

Starannie dobieraj kwalifikacje

Stanowiska data scientista nie wymagają jednej, powszechnej licencji ani certyfikatu. Umieść wysoko w CV odpowiedni tytuł magistra, jeśli ogłoszenie wymaga zaawansowanej wiedzy statystycznej lub pokrewnej dziedziny. Wymień tylko aktualne certyfikaty związane ze stanowiskiem. Zwięzły link do projektu może pomóc pokazać pracę, którą trudno opisać w punktach. Usuń poufne dane i kod pracodawcy.

Popularne słowa kluczowe

Umiejętności i narzędzia często wymieniane przy tym stanowisku. Używaj tylko tych, które znasz, i zapisuj je tak jak w ogłoszeniu o pracę. Kliknij słowo, aby je skopiować.

Czasowniki opisujące działanie

ZbudowanoPrzeanalizowanoOpracowanoPrzetestowanoZautomatyzowanoPrognozowanoPrzedstawiono

Pytania dotyczące tego stanowiska

Jak długie powinno być CV data scientista?

Przy około pięciu latach doświadczenia przygotuj CV na jedną lub dwie strony. Wykorzystaj miejsce, by opisać kilka większych projektów, wspierane przez nie decyzje i swój konkretny wkład. Skróć starsze lub mniej związane z rolą doświadczenie i usuń listy narzędzi, które nie pasują do stanowisk, na które aplikujesz. Nie ma uniwersalnego limitu stron — ważniejsze są czytelność i istotne szczegóły.

Czy data scientist musi mieć tytuł magistra?

Nie ma jednego wymaganego wykształcenia dla wszystkich stanowisk data scientista. Pracodawcy mogą akceptować tytuł licencjata i odpowiednie doświadczenie, podczas gdy niektóre stanowiska — szczególnie związane z badaniami lub wyspecjalizowanymi zadaniami — wymagają tytułu magistra lub doktora ze statystyki, informatyki albo pokrewnej dziedziny. Sprawdź wymagania w ogłoszeniu i pokaż umiejętności praktyczne, wiedzę branżową oraz rzetelność analiz.

Czy dodać link do portfolio lub GitHub?

Dodaj link do portfolio lub GitHub, jeśli pokazuje ukończone, istotne projekty, które możesz udostępnić publicznie. W każdym projekcie krótko opisz problem, źródło danych, metody i wnioski. Nie publikuj danych pracodawcy, zastrzeżonego kodu ani poufnych informacji. Link jest opcjonalny — projekt możesz opisać w czytelnym punkcie CV, jeśli nie możesz udostępnić publicznego przykładu.

Jakie certyfikaty wymienić?

Wymień certyfikat, jeśli jest związany ze stanowiskiem i został przez Ciebie uzyskany, na przykład aktualny certyfikat z obszaru chmury lub platformy danych wymagany w ogłoszeniu. Podaj dokładną nazwę i wystawcę, a jeśli dotyczy, również datę wygaśnięcia. W data science nie ma powszechnie wymaganego uprawnienia zawodowego, więc nie przedstawiaj certyfikatu ukończenia kursu jako uprawnienia regulowanego.