CDA数据分析师 出品
作者:Elad Cohen
编译:Mika
作为一家技术公司的副总裁,我在管理数据科学部门时,还需要处理大量的招聘工作。
通常,招聘人员在一份简历上花的时间平均只有7.4秒。
一个抢手的职位可能会吸引到一百余人投递简历。在本文中,我将教你几个技巧,帮助你在求职过程中让你的简历脱颖而出。
下面我将分享一下,在快速筛选数据相关职位简历时,我最看重的这7点。
在浏览简历时,我会快速看看你以前的职位,看是否与数据挂钩,有数据相关工作经验。
比如具体有数据相关项目的经验,在项目中通过什么方法解决了哪些问题,或者参加过数据相关的培训或课程。
接着,我还会看一下你曾从事工作的技术方面内容,以及业务成果。有许多精通技术的数据分析人员对业务术语并不擅长。因此如果你能清晰罗列出所做工作对业务KPI的影响,这将是加分项。
例如,指出模型在AUC方面的改进是可以的,但若能明晰模型改进会导致转换率增加,这意味着你有不错的业务知识,并且有数据赋能业务的意识。
看到以下的例子,比较用技术与业务两个不同侧重点,来描述相同工作的方案:
我还会看看求职者所受的教育情况如何,来自哪所学校,哪个专业。对于应届生,我还会考察他们的成绩等情况。
由于数据分析是一个新兴且较广泛的领域,并没有某种唯一的标准化测试。即使你没有相关专业的教育背景,但如果有该领域的从业经验或接受过数据相关培训也是可以的。
我看过不少排版美观的简历,也收到过一些没有任何格式的txt文本简历。在编写简历时,可以找一找好的模板,在有限的篇幅内清晰介绍自己的情况。
这里可以有效利用简历的空间。将页面分割开来,突出不按时间顺序排列的工作或教育经历。当中还可以包括你熟悉的技能,做过的项目,自己的Github或博客的链接等。同时,一些简单的图标也可以帮助强调标题。
许多求职者在他们熟悉的语言、工具旁边会用1-5颗星或柱状图代表自己的熟悉度。我个人不太喜欢这种方法,原因有几个。
有些人把语言和工具,甚至把语言和软技能混为一谈。把自己领导力的熟悉度填上“4.5星”是没有说服力的。
还有把自己技能的主观衡量标准变成饼状图的,比如Python技能占30%,团队合作能力占10%等。虽然这是一种突出自己的创新方式方式,但却显示了自己对不同图表概念缺乏基本了解。
以下有两份排版很不错的简历,可以用于参考:
两个示例中使用的垂直分割,以区分经验、技能、成就等。用简短的摘要段落能有助于描述求职人背景和期望。
我主要会看这两种类型。
一些求职者只使用深度学习,包括在结构化数据,而这些数据更适合基于树的模型。虽然使用深度学习本身没有问题,但限制的工具集会让你的解决方案有局限性。
正如马斯洛所说,“如果你唯一的工具是一把锤子,那么你就会把所有问题都看成是钉子。”
在我的日常工作中,我们处理的是结构化、领域驱动、特征工程化的数据,这些数据最好用各种形式的提升树来处理,光使用深度学习是不够的。
这通常与两个需要大量专业知识的领域有关--计算机视觉和自然语言处理。
这些领域的专家很抢手,在许多情况下,他们的整个职业生涯都将专注于这些领域。但对于一个从事一般数据分析工作的人来说,这通常不适合。因此,如果你的大部分经验是在自然语言处理领域,而你要申请该领域以外的职位,可以试着强调你曾在结构化数据方面工作过的经历,以展示多样性。
通常细分为语言、特定的包(scikit-learn、pandas、dplyr等)、云及其服务(AWS、Azure、GCP)或其他工具。
某些求职者将其与熟悉的算法或架构混在一起,比如RNN、XGBoost、K-NN。
就我个人而言,我更倾向于围绕技术和工具展开;当提到一个特定的算法时,我想知道求职者的机器学习理论知识是否仅限于这些特定的算法。
这部分,我会看技术栈的相关性。
技能点是否是近几年的,这表明求职者在主动学习新技能;还有技术栈的广度,表明求职者是否局限于特定的工具;以及与我们技术栈的匹配度。
你会在GitHub上有分享个人项目吗?参加Kaggle比赛或副业项目都是加分项。从中能够看你代码的简洁性、预处理的类型、特征工程、EDA、算法选择以及在实际项目中解决问题的能力。
这里如果有的话,可以附上你的GitHub和Kaggle链接,以便面试官深入了解你的代码。
同时要熟悉自己做过的项目,最好在面试前就梳理一遍。之前的面试中,就有求职者对项目不太熟悉,从而面试官无法就项目展开,进一步了解求职者在项目中做出的选择和背后的原理。记住,在罗列项目时,列出2-3个高质量的项目要比10个质量的更有效。
结语
如果你正在找数据相关的工作,可以花点时间过一遍文章中的要点,希望本文能对大家的求职有所帮助。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14