CV-tjek til data scientists — til ML- og analyseroller
Dit data science-CV analyseret ud fra det, ansættende ledere kigger efter: modellernes performance, tal på forretningsværdien og teknisk dybde.
- Kriterier for ML og analyse
- Vurdering af dine modeltal
- Gratis score — uden betalingskort
Upload din PDF i appen: vælg en fil
Tjek mit CVStart uden konto. Upload din PDF i appen for en gratis score og vurdering. Detaljerede rettelser fås mod engangsbetaling.
At låse den detaljerede rapport op er en engangsbetaling: 4,99 $, 12,99 $ for fem oplåsninger eller 29,99 $ livsvarigt. Moms inkluderet. Aldrig et abonnement.
Experienced professional responsible for various tasks and helped the team achieve goals.
- •Managed various projects and liaised with stakeholders
- •Assisted in social media activities
- •Responsible for customer communications
- Kriterier for data science
- 6
- Analysetid
- 60s
- ML-værktøjer vi genkender
- 40+
Et data science-CV kræver sin egen optimering
Når der ansættes inden for data science, handler det om at oversætte komplekse modeller til forretningsresultater. Et CV vinder på konkrete tal frem for generelle beskrivelser. »Satte en model til svindeldetektion i drift og reducerede falske positiver med 23 %, hvilket sparede 2 mio. $ om året« giver målbar kontekst sammenlignet med »byggede machine learning-modeller«.
Analyse med ML-fokus
Det vurderer vi i data science-CV'er
En analyse, der er skræddersyet til stillinger inden for machine learning, analyse og data science.
Vi ser på, hvordan du sætter tal på dine modelresultater — accuracy, precision, recall, AUC eller forretningstal som omsætning.
Vi vurderer, hvordan du præsenterer Python, R, TensorFlow, PyTorch, scikit-learn, SQL og cloudplatforme til ML.
Vi tjekker, om dine tekniske resultater hænger sammen med forretningsresultater, som rekruttereren forstår.
Vi analyserer, om dine projektbeskrivelser viser erfaring med hele ML-pipelinen fra ende til anden.
På tværs af dataroller
Analysen virker til alle specialer inden for data science
Processen
Sådan foregår analysen
Feedback målrettet data science i tre trin.
- 01Upload dit CV
Send dit data science-CV som PDF. Det behandles sikkert og bliver liggende på din konto, så du altid kan se det igen.
- 02Få gennemgangen med ML-fokus
Du får feedback på dine tal, dækningen af værktøjer, og hvordan du formidler forretningsværdien.
- 03Følg anbefalingerne
Gennemfør de konkrete forbedringer til data science-CV'er, og kør analysen igen for at se resultatet.
Ofte stillede spørgsmål
Hvordan præsenterer jeg modellernes performance?
Start med forretningsværdien, hvis du kan, og tag derefter de tekniske tal. »Satte en churn-model (0,89 AUC) i drift og reducerede kundeafgangen med 15 %« kombinerer begge dele. Undgå at liste tal uden sammenhæng.
Skal jeg have Kaggle-konkurrencer med i mit CV?
Tag de placeringer med, der er værd at nævne (top 5-10 %), og forklar problemet og din tilgang. Selve placeringen betyder mindre end at vise din metode, og hvad du lærte.
Hvordan præsenterer jeg forskning over for erfaring fra drift?
Erfaring med modeller i drift vejer tungest i erhvervslivet. Har du en forskningsbaggrund, så fremhæv alt, du har sat i produktion, samarbejdet med udviklingsteams og de forretningsmæssige anvendelser af dit arbejde.
Hvilke ML-værktøjer skal jeg skrive?
Hold dig til de værktøjer, der er relevante for den stilling, du søger. Kernen (Python, SQL, pandas, scikit-learn) forventes. Du skiller dig ud med deep learning-frameworks, cloudplatforme til ML eller specialiserede værktøjer, du har brugt i produktion.
Hvordan beskriver jeg mine projekter?
Byg dem op som problem, tilgang og resultat. Tag datamængde, modeltype og et målbart udfald med. »Byggede et anbefalingssystem med collaborative filtering på 10 mio. brugerinteraktioner og øgede klikraten med 18 %.«
Analysér dit data science-CV
Få konkret feedback på, hvordan du præsenterer din ML-erfaring, dine modeltal og dine tekniske projekter.