
作者 Jeremie Harris
编译 Mika
我在招聘公司SharpestMinds工作,因此我看过许多数据科学方面的简历。同时我们也不断得到其他公司的反馈,了解到他们会面试哪些人,哪些人最终能顺利被雇佣。
在了解数百家公司的招聘过程后,我们总结了哪些简历会受到公司的青睐,以及哪些简历不会被通过。
注意,每家公司的要求各不相同。比如被谷歌聘用的人在其他公司也可能会落选。所以说,一份无可挑剔的数据科学岗位简历是不存在的。
话虽如此,但简历中有些错误是致命的。
在下文中,我们总结了简历中应避免的四个错误。
在简历中堆砌大量无关紧要的项目,这会让你的简历大打折扣。
以下这类项目就是减分项:
· 使用泰坦尼克号数据集进行幸存者分类。
· 使用MNIST数据集进行手写数字分类。
· 使用虹膜数据集进行花种类分类。
为什么
求职者和招聘人员都很清楚,简历的篇幅有限。因此,如果在简历上过多罗列MNIST数据集分类等项目,那么招聘人员会对你之后的发展空间产生质疑。
该怎么做
如果你有其他更有趣的项目,那么不要犹豫,换下这些减分的项目是不错的选择。
如果你的简历上列有这类项目,而且你没有其他更具挑战性和实质性的项目来代替,这说明你需要花些时间做一些项目,让自己的简历更具有说服性。
例外
当然,使用MNIST或泰坦尼克号数据集也能完成复杂的项目。比如你使用了自己创建的新型GAN,或者你重现了有趣的胶囊网络(replicating)论文的结果,那么就大胆尝试。
但要记住,大多数招聘人员都是非技术人员,他们通常只会关注简历中的关键字。因此如果你使用了MNIST数据集,需要清楚地标明你的项目不仅仅只包含简单的数字分类任务。
Udacity、Coursera和deeplearning.ai这些在线课程都是进行数据科学和深度学习的不错选择。
但是在简历中,还是要避免以下情况:
· 简历中大部分项目是纳米学位等在线课程中完成的内容。
· 在简历中过分强调在线课程项目。
为什么
招聘中需要突出自我能力。许多公司都想招聘独一无二的人才。由于现在在线课程特别多,仅靠这点无法让你在求职者中脱颖而出。
如今招聘人员对许多在线课程很熟悉,可以立即分辨出哪些是纳米学科等项目。为了脱颖而出,你需要关注还没得到充分研究的问题。
这里我想明确的是,Udacity、Coursera和deeplearning.ai都是很棒的在线学习平台。但是把这些放在简历前面,不能很好地体现求职者的特别性。
该怎么做
在完成在线课程之后,你要马上利用所学的知识,参加Kaggle比赛,或者去探究数据科学论文中的成果。
这很重要,因为会体现你的与众不同;让你在面试中有展示自己的机会;证明你在没有帮助的情况下很强的学习能力。
例外
如果你完成的在线课程项目是独一无二的,则无需担心。这里指的是,你能自由地选择数据集,从头开始自己解决问题。
缺乏以下技能对要从事数据科学来说,可能是致命的。
以下是一些必备技能:
· 版本控制 (GitHub / GitLab)
· 开发运维(AWS / Floydhub / Digital Ocean / Flask)
· 数据库 (mySQL / mongoDB)
为什么
对于数据科学,人们感兴趣的往往是算法。因此这也是大多数人投入时间精力的地方。问题在于,设计模型与可用于生产的深度学习或数据科学不同。
数据科学中不太有趣的部分(设置服务器,清理数据)实际上构成了数据科学家的日常工作。因此,仅仅掌握Python / sklearn / TensorFlow / Keras / PyTorch这些是不够的。
对于求职人员来说,不具备这些技能可能就会被淘汰。
不会GitHub?不会mongo?那不用了,谢谢。
该怎么做
如果你掌握这些技能,但没列在简历上,那么请加上。如果你缺乏这些技能,那么建议你去学习,因为对于数据科学家来说这些是必不可少的。
例外
如果你申请的更高级的职位,那么是否列出这些技能并不太重要。但是高级的职位意味着你需要更多的经验。
如果你的简历中列出了某个项目,那么面试中很可能问到这个项目。
如果面试官问你在这个项目中学到了什么,但你答不出来的话,这会让面试官对你的印象大打折扣。
为什么
既然你在某个项目上花了时间,那么关于这个项目的问题能够体现你从中学到了什么,还会体现你考虑问题的深度和沟通技巧。
即使是一个非常简单的数据集,你也能从中有所收获。
该怎么做
如果你在简历中列出了某个项目,在面试时你要准备好关于这个项目的见解和看法。
例外
这里没有例外,如果你简历中罗列了某个项目,你需要对其进行总结反思。
这并不是数据科学方面的问题,但在面试时我们惊讶的发现很多人会出现拼写错误。总而言之,在简历中出现错别字、拼写错误和格式错误都是致命的。
无论你的经验水平如何,拼写错误都是必须避免的问题,这会让你的面试大大减分。
为什么
毫不奇怪,你在简历中体现的细节问题是与你的项目能力和技术发展息息相关的。
该怎么做
注意细节,仔细检查。如果简历是英文或面试国外公司,可以让英语为母语的人帮你检查。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-18刚入职场或是在职场正面临岗位替代、技能更新、人机协作等焦虑的打工人,想要找到一条破解职场焦虑和升职瓶颈的系统化学习提升 ...
2025-07-182025被称为“AI元年”,而AI,与数据密不可分。网易公司创始人丁磊在《AI思维:从数据中创造价值的炼金术 ...
2025-07-18CDA 数据分析师:数据时代的价值挖掘者 在大数据席卷全球的今天,数据已成为企业核心竞争力的重要组成部分。从海量数据中提取有 ...
2025-07-18SPSS 赋值后数据不显示?原因排查与解决指南 在 SPSS( Statistical Package for the Social Sciences)数据分析过程中,变量 ...
2025-07-18在 DBeaver 中利用 MySQL 实现表数据同步操作指南 在数据库管理工作中,将一张表的数据同步到另一张表是常见需求,这有助于 ...
2025-07-18数据分析师的技能图谱:从数据到价值的桥梁 在数据驱动决策的时代,数据分析师如同 “数据翻译官”,将冰冷的数字转化为清晰的 ...
2025-07-17Pandas 写入指定行数据:数据精细化管理的核心技能 在数据处理的日常工作中,我们常常需要面对这样的场景:在庞大的数据集里精 ...
2025-07-17解码 CDA:数据时代的通行证 在数字化浪潮席卷全球的今天,当企业决策者盯着屏幕上跳动的数据曲线寻找增长密码,当科研人员在 ...
2025-07-17CDA 精益业务数据分析:数据驱动业务增长的实战方法论 在企业数字化转型的浪潮中,“数据分析” 已从 “加分项” 成为 “必修课 ...
2025-07-16MySQL 中 ADD KEY 与 ADD INDEX 详解:用法、差异与优化实践 在 MySQL 数据库表结构设计中,索引是提升查询性能的核心手段。无论 ...
2025-07-16解析 MySQL Update 语句中 “query end” 状态:含义、成因与优化指南 在 MySQL 数据库的日常运维与开发中,开发者和 DBA 常会 ...
2025-07-16如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11