www.machinelearningmastery.ru

Машинное обучение, нейронные сети, искусственный интеллект
Header decor

Home
Занимательная история, выдающиеся люди, малоизвестные факты, находки, открытия, фальсификации. Присоединяйся!

Создание Превосходного Резюме Науки Данных и Портфолио

Дата публикации Jul 23, 2019

Всегда приятно обладать обширными знаниями в области наук о данных, статистики, машинного обучения, программирования и многого другого. Тем не менее, есть одна важная вещь, которую вы должны иметь в виду.

Чем дальше вы уходите от тщательного создания надежного резюме и портфолио, тем меньше у вас шансов получить работу, которую вы хотели бы получить. Вы можете сказать, что я преувеличиваю, но подумайте об этом. Ваше резюме обрисовывает в общих чертах фон и навыки, ваше портфолио помогает создать первое впечатление о вас. В конце концов, оба они помогают потенциальному работодателю прояснить, как ваш собственный опыт может способствовать успеху компании.

Ваше резюме - больше, чем просто документ. Это инструмент для маркетинга себя.

Поскольку я довольно долго работаю в сфере, связанной с технологиями, я видел целый ряд резюме и часто вижу одну ошибку, которую делает большинство соискателей. Кажется, все забывают, что прежде чем привлекать внимание сотрудников, необходимо привлечь рекрутера, который, кстати, очень часто не является специалистом по данным. Иногда рекрутерам очень сложно понять структуру вашего резюме.

Так что да, есть очень тонкая грань между тем, что необходимо включить, а что нет. В этом посте я объясню, как написать более убедительное резюме, которое будет творить чудеса с вашими потенциальными клиентами, поэтому берите свой кофе и удобный стул и наслаждайтесь чтением.

Data Science CV: структура и содержание

В целом, стандартная структура хорошего резюме должна быть разделена на несколько строительных блоков, и каждый из них одинаково важен. Вы должны придерживаться поставленной задачи и включать все следующие разделы:

# 1 Самопрезентация

Что добавить сюда:Фото, личные данные, контактная информация, должность (текущая или желаемая).

Я бы сказал, что это не является абсолютной необходимостью, но очень важно включить сюдаLinkedInСсылка на профиль. И для этого лучше не просто скопировать и вставить весь URL профиля (это будет выглядеть неуклюже), а создать более короткий URL в LinkedIn (направления здесь). Этот URL должен быть версией или итерацией вашего имени, т.е.linkedin.com/in/firstnamelastname/,

GitHubэто следующая важная вещь, которая должна быть включена в этот раздел. Большинство работодателей захотят взглянуть на ваше портфолио, чтобы увидеть, над какими проектами вы работаете.

Само собой разумеется, не включают Instagram, Pinterest и другие страницы, которые не характеризуют вас как специалиста. Вам также не нужно указывать свой физический адрес; все, что вам нужно, это город и штат, в котором вы живете.

# 2 Data Science Проекты и публикации

Что добавить сюда:Список ваших проектов, для каждого из проектов, добавляет функции и конкретные цели, способ, которым вы его построили, и технологии, которые вы использовали.

Вы можете согласиться с любым резюме, особенно в области технологий, главное, что вы хотите подчеркнуть, это то, что вы сделали. Когда дело доходит до ученых данных, это могут быть проекты анализа данных, проекты машинного обучения и даже опубликованные научные статьи или учебники по кодированию. Ваша задача здесь - показать, что вы на самом деле можете делать с перечисленными навыками.

№ 3 Образование

Что добавить сюда:Название университета или школы, полученная степень, дата окончания

Здесь я не буду говорить слишком долго. Этот раздел является одним из немногих случаев, когда вам не нужно демонстрировать отличные навыки письма. Здесь вам нужны другие замечательные вещи: краткая и краткая информация.

# 4 Опыт

Что добавить сюда:Основная информация о предыдущих должностях и требованиях там.

Сосредоточьтесь на достижениях, а не обязанностях. Для вас будет выгоднее показать, что вы на самом деле сделали, а не только то, что вы должны были сделать. Плюс используйте цифры, метрики и другие яркие показатели для компании. Всегда полезно продемонстрировать, что вы понимаете общую картину и знаете, как преобразовать результаты анализа в реальные результаты бизнеса.

В то же время не забывайте, что ваш опыт работы должен соответствовать той работе, на которую вы претендуете. Если вы хотите включить другие должности, то вам нужно только добавить название компании, должность и сработавшие даты. Я хочу сказать, что вам не нужно занимать место со всеми деталями несоответствующей работы, это будет излишним.

# 5 Навыки, сертификаты и дополнительные услуги

Что добавить сюда:соответствующие навыки, пожелания работы и ссылка на портфолио

В этом разделе вы можете указать информацию, которая не соответствует предыдущим блокам, но может ответить на вопросы рекрутера во время телефонного звонка. Рекрутеры и менеджеры по найму, скорее всего, будут выполнять поиск по ключевым словам в качестве первого шага при просмотре вашего резюме, поэтому вы хотите убедиться, что ключевые термины, такие как «Python» или «Машинное обучение» выделены И да, только перечисляйте здесь технические навыки или инструменты, не пишите мягкие навыки, такие как лидерство или общение - они звучат как шаблон.

Последний, но не менее важный элемент в вашем резюме - ссылка на ваше портфолио.

Портфолио - это демонстрация проектов, над которыми вы работали. Этот элемент вашей самопрезентации должен демонстрировать ваши достижения потенциальным клиентам или работодателям. Как должно выглядеть портфолио? Следующая часть этой статьи - лучший ответ!

Портфолио Data Science: 5 советов для запоминания

1. Количество проектов

Первое, что вам необходимо уточнить, - это сколько проектов включить в портфель данных.

Я сразу же отвечу: лучше иметь два или три проекта, которые продемонстрируют ваши профессиональные навыки. Опять же, цель здесь состоит в том, чтобы доказать, что вы можете выполнять эту работу, поэтому чем больше ваш портфель будет выглядеть как повседневная работа, на которую вы претендуете, тем более убедительной она будет.

«Не выбирайте случайные проекты для работы и добавляйте их в свое резюме или портфолио. Решите проблему, связанную с интересующими вас компаниями ».

Генеральный директор и соучредитель Pramp Рафаэль Рафи Зикавашвили

2. Виды задач

Data Science настолько широка, что невозможно точно сказать, какие проекты все работодатели хотят видеть в портфеле. Но вы можете обвести рамку. Проекты, которые должны быть включены в портфолио, должны быть посвящены работе с данными, и направление аналитики не так важно. Опишите свой проект. Как это началось, как вы оценили задачу, какие цели вы поставили, что было интересным в массиве данных, что вы сделали с проектом, достигли ли вы целей?

Какие проекты не должны быть включены:

Самый простой способ сделать портфель неинтересным для работодателя - это включить тривиальные проекты и задачи, которые вы выполняли в рамках своей обычной работы.

Например, описание набора данных для проверки стандартной концепции. Представьте, что вы описали, какие пассажиры могли бы пережить аварию на «Титанике», используя двоичную классификацию, написали код на Python. Но такой проект не отличает вас от других кандидатов, поскольку подобные тесты на различных онлайн-платформах доступны каждому, они уже стали скучными для всех работодателей. Ищите необычные идеи для анализа.

3. Предметные области

Вы смотрите на позиции в области финансов? Вероятно, вам нужно будет выделить проекты, направленные на решение вопросов, связанных с финансами. Если вы ищете работу в области данных в отрасли здравоохранения, вам захочется показать проекты, демонстрирующие, что вы можете извлечь полезную информацию из медицинских данных. Работа с вашими проектами, чтобы показать, что у вас есть знания или хотя бы интерес к предметам и бизнес-запросам, относящимся к тем вакансиям, на которые вы подали заявку, может помочь вашему приложению выделиться.

4. Типы наборов данных

Различные типы данных могут быть общими в разных отраслях, поэтому показ того, что у вас есть некоторый опыт работы с наборами данных, аналогичными тем, которые вы видите в работе, помогает доказать, что вы получили то, что нужно для выполнения работы.

Связанная статья:10 лучших сайтов с бесплатными наборами данных

5. Формат

Имеет смысл начать с подготовки вашего GitHub. Вы можете настроить свои собственные репозитории, где он имеет полную поддержку от Markdown, что позволяет форматировать ваши отчеты. И у вас также может быть весь ваш код - ваши записные книжки Jupyter, ваши R-файлы - все они могут быть там опубликованы.

В самих проектах старайтесь, чтобы блоки кода были относительно короткими, и посыпайте их текстовыми блоками, которые просто и кратко объясняют, что делает код и почему. Вы всегда должны учитывать, что ваш код будет прочитан кем-то, кто знает, о чем он говорит. Это означает, что вы должны стараться придерживаться правил на своем языке, придерживаться предпочтительного стиля и стараться, чтобы ваш код был эффективным и чистым.

Дополнительные советы для непревзойденного резюме

1. Развивайте свое цифровое присутствие

  • Я уверен, что многие из вас согласятся, сегодня ваше цифровое присутствие действительно имеет значение. Итак, само собой разумеется, вы должны иметьLinkedInпрофиль. Более того, вам необходимо обновлять и оптимизировать его в соответствии с ролями, на которые вы претендуете. Подача заявки на роль ученого во время демонстрации нетехнического опыта не даст правильного впечатления. Все чисто.
  • Вторая неотъемлемая часть вашего цифрового присутствияGitHub, конечно. Загрузка вашего кода и проектов в GitHub помогает рекрутеру увидеть вашу работу из первых рук. Помните, нет ничего более убедительного, чем хорошо документированный код!
  • Отличная, но не необходимая вещь - ответить на вопросы, связанные с наукой оQuora, Это передает ваше понимание предмета.
  • Начните публиковать ваше обучение вблогсформироваться. Узнали что-то новое? Напиши об этом. Выложите это в открытую Спросите у сообщества их отзывы. Таким образом, вы повышаете доверие и повышаете свои шансы получить интервью
  • Выступать на встречах и конференциях. Создайте свою репутацию в сообществе специалистов по данным, посещая мероприятия. Вы многому научитесь в этом процессе.

2. Используйте ключевые слова

Первое, о чем важно помнить при составлении резюме, - написать его так, чтобы поисковые роботы его нашли. Для этого используйте ключевые слова, вы можете найти их в описании вакансии:

  • образование, специализированные курсы, сертификаты, опыт участия в соревнованиях и конкурсах;
  • технологии и термины: стоит писать даже очевидные, например, SQL, хотя это знают все аналитики.

Примеры ключевых слов, по которым рекрутеры ищут ученых данных:

Написать хорошее резюме, чтобы рекрутер заметил его в нужной компании. Это предложение должно стать лучшей мантрой для вас.

Если у вас есть опыт - опишите детали, используя правильные глаголы: развивайте, кодируйте. Важно указать уровень погружения в проблему. Если у вас был опыт участия в стартапе - укажите это в резюме, это будет значительным плюсом для работодателя. В случае, если нет соответствующего опыта - расскажите, почему профессия вам интересна. Укажите даже скромный опыт, например бесплатную стажировку. Вы также можете написать об участии во встречах и конкурсах.

3. Избегайте типичных ошибок

Data Science CV Layout не делает

  • Не включайте ненужную или неверную информацию о вас - вас могут спросить обо всем, что указано в документе;
  • Не делайте резюме «один размер подходит всем» сразу для всех вакансий;
  • Не отвечайте на все вакансии одной компании;
  • Не отвечайте снова, если ваш предыдущий запрос был отклонен.

Takeaways

Резюме и портфолио должны отражать весь ваш предыдущий опыт и желание развиваться в этой области. Они должны быть тесно связаны. Портфолио - это демонстрация знаний и навыков, которые вы описали в резюме.

Оба документа не могут быть подготовлены раз и навсегда. Их постоянно нужно дополнять. Специалист любого уровня должен учиться и развиваться, поэтому ваше резюме и портфолио должны четко демонстрировать ваш растущий успех.

Я мог бы продолжить, но вы поняли идею.

Давайте подведем итоги ключевых моментов в создании превосходного резюме и портфолио Data Science:

  • Не забывайте об основной гигиене резюме: краткость, наличие подходящей фотографии, отсутствие деталей, которые не раскрывают вас как специалиста.
  • Описывая опыт работы, сосредоточьтесь на достигнутых результатах, а не на процессах, и предоставьте факты и цифры, которые подтвердят ваш опыт.
  • При заполнении резюме помните о SEO - если резюме размещается в открытом доступе, поиск должен быть легким.
  • Наличие портфолио значительно увеличивает шансы получить хорошую работу - часто просто резюме не достаточно, особенно если вы не любитель в этой области: предполагается, что у специалиста уже должны быть проекты, которые можно представить.
  • При выборе проектов для вашего портфолио, постарайтесь понять, что хотел бы видеть ваш потенциальный работодатель. Не говорите о задачах, которые выполнялись в рамках рутинной работы.
  • Проверьте грамматику и орфографические ошибки.

Теперь пришло время создать свой превосходный портфель и резюме. Спасибо за чтение и не стесняйтесь поделиться, если вы считаете, что это того стоит!

Вдохновленный, чтобы узнать больше об AI, ML и Data Science? Проверьте мойсреднийа такжеInstagramблог.

Оригинальная статья

Footer decor

© www.machinelearningmastery.ru | Ссылки на оригиналы и авторов сохранены. | map