Написание эффективного резюме по науке о данных может быть сложной задачей. В индустрии так много разных сигналов о том, как должен выглядеть хороший контент. Включаю ли я последний технологический стек из вебинара конференции AWS Re: Invent в этом году? Я записываю все соревнования Kaggle, которые я завершил? Включаю ли я регрессионную модель набора данных Ames Housing, которую я закончил в учебном лагере, но на самом деле не испытывал особого энтузиазма? Как мне показать будущему работодателю, что я хорошо общаюсь внутри и между командами?

Область науки о данных имеет много ролей, и адаптация вашего резюме к конкретной функции, которую вы хотите выполнять в команде по науке о данных или аналитике, имеет решающее значение. Этот пост предназначен не для того, чтобы дать пошаговые инструкции о том, как создать резюме, вдохновленное единорогом, а для того, чтобы помочь заложить основу для резюме, которое вы затем сможете настроить в соответствии с должностью, на которую претендуете.

Шаг 1: Вступление «Обо мне»

Начните с небольшого рассказа о себе. Это может быть содержательно и коротко. Включите сильное сообщение, которое подчеркивает вашу страсть к аналитике, а не просто перечисляет ваши достижения. Это помогает установить тему для резюме. Здесь не место говорить, что вы «хороший собеседник» или «вдохновляющий человек». Если вы думаете, что то, что вы пишете, звучит банально, не включайте это. Сказать, что вы преуспеваете в «навыках межличностного общения», все равно что сказать, что вы знаете, как открывать Microsoft Word. Это следует рассматривать как заявление о вашей миссии, как смысл существования, почему вы занимаетесь аналитикой. Вложите немного сердца в эту маленькую открывашку!

Шаг 2: Образование

Не беспокойтесь, если вы получили степень бакалавра, не связанную с информатикой, программированием или инженерией. Если ваша предыдущая степень не связана с вашей нынешней ситуацией, все равно укажите ее. Это показывает, что вы всесторонне развиты и способны мыслить вне норм статистического жаргона. Некоторые из этих «несвязанных» областей даже лучше подходят для новых областей науки о данных. Мы видим, что такие специальности, как английская литература, имеют преимущество при подгонке моделей под процедуры обработки естественного языка (NLP). Язык синтаксического анализа и NER (называемые отношениями сущностей) являются общеизвестными сердцебиениями многих неструктурированных продуктов машинного обучения. Если вы изучали политологию, это показывает, что вы способны понимать социальные границы, с которыми мы сталкиваемся, когда рассматриваем мораль и предвзятость в машинном обучении. Если вы изучали гендерные исследования, новая эра обнаружения изображений и того, как мы понимаем гендер в рамках компьютерного зрения, докажет, что эта специальность полезна. Это все для того, чтобы подчеркнуть, что вам не нужно изучать информатику, чтобы стать эффективным специалистом по данным. Теперь, если вы хотите работать в Facebook и помогать разрабатывать новую архитектуру нейронной сети PyTorch, то этот пост не для вас. Но если вы хотите помочь внедрить методы обработки данных в организации, которые по своей сути ориентированы на человека, такие как оптимизация продакт-плейсмента, прогнозирование явки избирателей с помощью политических опросов или разработка функций, позволяющих привлечь людей к последней Миссия невыполнима Боевик, то эти гуманитарные навыки вам пригодятся.

Шаг 3: Технические навыки

В мире консалтинга по науке о данных, особенно среди Большой четверки, крайне важно красиво и аккуратно изложить технические навыки перед рекрутером. Наличие разделов для языков программирования, статистических знаний, алгоритмов, ресурсов облачных вычислений и инструментов визуализации очень важно. Это помогает рекрутерам сосредоточиться на том, что они ищут, на этой неуловимой фиолетовой белке претендентов на работу.

Шаг 4: Опыт работы

Сейчас время блистать! Если у вас есть многолетний опыт работы в области данных или аналитики, обязательно отметьте свои достижения. Метод STAR (ситуация, задача, действие, результаты) важнее, чем перечисление инструментов и методов, которые вы использовали для выполнения задачи. Это показывает инициативу и отношение «иди и возьми их». Примером консультанта по науке о данных, использующего метод STAR, может быть следующее: «Помогал крупному клиенту авиакомпании автоматизировать 10 000 запросов по электронной почте в день с помощью методов NLP LDA (латентное распределение Дирихле) для автоматизации процесса ответа, что привело к сокращению личных часов на 30 процентов». Этот STAR-подход показывает, что у вас есть ситуационное понимание стоящей перед вами задачи, методов ее выполнения и бизнес-обоснования вашей работы.

Шаг 5: Проекты

Лично я слишком часто вижу эту область в резюме. Большую часть времени будет кандидат, который имеет около года опыта работы в области, связанной с аналитикой, но половина резюме будет связана с учебой или сторонними проектами. Школьный/побочный проект важен, но это не причина для создания резюме. Вы хотите показать потенциальным работодателям, что вы прошли боевые испытания и уже имеете необходимый им опыт. Теперь вы можете спросить себя: «Но я же только заканчиваю (заполню пустое место) образовательную программу. Как поставить опыт?» Если вы проходили стажировку, см. Шаг 4. Если вы работали в кооперативе, см. Шаг 4. Если вы участвовали в волонтерской организации, см. Шаг 4. Помните, что резюме должно дать работодателям сигнал о том, что вы там до.

К проектам. Включите уникальные проекты, те темы, которые вы не видите слишком часто. Несколько проектов, которые НИКОГДА не должны быть в резюме: набор данных Titanic, набор данных Iris, набор данных Ames или Boston Housing. Если вы делали проекты на этих наборах данных, какими бы крутыми они ни были или насколько крутыми были визуализация и панель инструментов, которые вы создали, пожалуйста, не помещайте их туда. Цель состоит в том, чтобы отделить себя от стаи, а не копировать стадо.

Ниже приведены проекты, которые являются эффективными. Если вам пришлось выйти и собрать данные из внешнего источника или выполнить огромную очистку, включите это. Проект может иметь конечный результат, если вы сделали сводную статистику и создали несколько гистограмм. Но если этот набор данных ранее не анализировался, возможно, вы просматриваете данные о погоде в Тимбукту или бейсбольных матчах только на одном стадионе, на который вы ходили в детстве, включите их! Это то, что мы называем «проектами страсти». Проекты, которые, когда вы обсуждаете с другими, могут видеть ваше волнение. Я когда-то знал специалиста по анализу данных, который каждый день записывал, как он добирался до работы. Он делал это в течение одного года, записывая средства передвижения (метро, ​​автобус, велосипед, пешком), погоду (пасмурно, солнечно, снег, дождь) и сколько времени ему потребовалось, чтобы добраться до офиса. Из этой информации он сделал базовую информационную панель Excel. Это был один из самых крутых страстных проектов, которые я когда-либо видел. Не поймите меня неправильно, я не призываю включать в свое резюме информационные панели Excel, но не думайте, что увлеченный проект должен побеждать в соревнованиях Kaggle или использовать новейший алгоритм машинного обучения.

Последнее замечание о проектах. Лучшие проекты — это те, которые следуют жизненному циклу науки о данных. Вы определили вопрос, сформировали гипотезу, собрали данные, очистили данные, создали функции, создали модель, проанализировали результаты, визуализировали эти результаты и объяснили эти результаты. Это то, что ищут будущие работодатели. Если вам довелось запустить эту модель в производство через облачный сервис, то снимаю перед вами шляпу, друг мой, потому что вы только что рассказали аналитическую историю, о которой мечтает большинство организаций.

Шаг 6: Сертификаты

Если у вас есть какие-либо сертификаты, поставьте их. Я говорю о тех, на которые вы должны были пройти тест. В большинстве случаев они осуществляются через самого дистрибьютора платформы Actuation. Tableau Desktop Associate, AWS Cloud Developer, Azure, GCP, IBM и т. д. Я наблюдаю тенденцию, когда люди перечисляют все курсы Udemy или Coursera, которые они прошли. Я за платформы для онлайн-обучения и часто использую Udemy, когда мне нужно быстро чему-то научиться. («Эй, Python там, где он есть. Знаешь, ты должен пройти этот курс на Udemy, его преподает настоящий специалист по данным»). Черт возьми, я использовал Udemy на прошлой неделе, чтобы узнать, как повысить безопасность моей корзины AWS S3. Но то, что может показать потенциальному работодателю сигнал о том, что вы, возможно, не опытны, по моему скромному мнению, - это включить курс Udemy Intro to NumPy, который вы прошли, который длился 2,5 часа. Мое личное эмпирическое правило заключается в том, что если вы думаете, что это отличает вас от других, претендующих на эту должность, то сделайте это. Но если это что-то не так, то оставьте это. Резюме имеет ограниченное пространство, и первостепенное значение имеет включение того, что выводит вас на вершину стопки, а не то, что помогает вам слиться с остальными.

Шаг 7: Навыки межличностного общения

Да, я сказал это в начале, не включайте это в набор навыков. Вместо того, чтобы прямо заявлять, что вы являетесь эффективным коммуникатором или лидером, докажите это! Если вы посещали Toastmasters и выступали с речами по их программе, это один из лучших способов как получить, так и сигнализировать о том, что вы постоянно совершенствуете свои публичные выступления.

Быть эффективным специалистом по данным — значит убеждать других в том, что ваши методы и процессы надежны. Работа над ораторскими навыками поможет вам в этом. Аналогичным образом, если вы выступали на конференциях, были каким-то общественным деятелем или волонтером в организации, включите это в личный раздел в конце. Все это показывает присущую вам человечность в вашей кандидатуре на работу и вашу способность быть как лидером, так и командным игроком.

Последние замечания

Не существует правильного способа написать резюме, но есть много способов сделать себя похожим на любого другого кандидата в науку о данных. Цель состоит в том, чтобы показать организации свою уникальность, ускользнуть от доверия и проверенных результатов, даже если у вас нет большого опыта. Компаниям нужны люди, способные внести свой вклад в команду, поэтому ваше резюме должно быть воплощением этого.