
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
剖析 CDA 数据分析师考试题型:解锁高效备考与答题策略 CDA(Certified Data Analyst)数据分析师考试作为衡量数据专业能力的 ...
2025-07-04SQL Server 字符串截取转日期:解锁数据处理的关键技能 在数据处理与分析工作中,数据格式的规范性是保证后续分析准确性的基础 ...
2025-07-04CDA 数据分析师视角:从数据迷雾中探寻商业真相 在数字化浪潮席卷全球的今天,数据已成为企业决策的核心驱动力,CDA(Certifie ...
2025-07-04CDA 数据分析师:开启数据职业发展新征程 在数据成为核心生产要素的今天,数据分析师的职业价值愈发凸显。CDA(Certified D ...
2025-07-03从招聘要求看数据分析师的能力素养与职业发展 在数字化浪潮席卷全球的当下,数据已成为企业的核心资产,数据分析师岗位也随 ...
2025-07-03Power BI 中如何控制过滤器选择项目数并在超限时报错 引言 在使用 Power BI 进行数据可视化和分析的过程中,对过滤器的有 ...
2025-07-03把握 CDA 考试时间,开启数据分析职业之路 在数字化转型的时代浪潮下,数据已成为企业决策的核心驱动力。CDA(Certified Da ...
2025-07-02CDA 证书:银行招聘中的 “黄金通行证” 在金融科技飞速发展的当下,银行正加速向数字化、智能化转型,海量数据成为银行精准 ...
2025-07-02探索最优回归方程:数据背后的精准预测密码 在数据分析和统计学的广阔领域中,回归分析是揭示变量之间关系的重要工具,而回 ...
2025-07-02CDA 数据分析师报考条件全解析:开启数据洞察之旅 在当今数字化浪潮席卷全球的时代,数据已成为企业乃至整个社会发展的核心驱 ...
2025-07-01深入解析 SQL 中 CASE 语句条件的执行顺序 在 SQL 编程领域,CASE语句是实现条件逻辑判断、数据转换与分类的重要工 ...
2025-07-01SPSS 中计算三个变量交集的详细指南 在数据分析领域,挖掘变量之间的潜在关系是获取有价值信息的关键步骤。当我们需要探究 ...
2025-07-01CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26