
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
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。 ...
2025-07-14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 ...
2025-07-14t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 ...
2025-07-11CDA 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 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08LSTM 输出不确定的成因、影响与应对策略 长短期记忆网络(LSTM)作为循环神经网络(RNN)的一种变体,凭借独特的门控机制,在 ...
2025-07-07统计学方法在市场调研数据中的深度应用 市场调研是企业洞察市场动态、了解消费者需求的重要途径,而统计学方法则是市场调研数 ...
2025-07-07CDA数据分析师证书考试全攻略 在数字化浪潮席卷全球的当下,数据已成为企业决策、行业发展的核心驱动力,数据分析师也因此成为 ...
2025-07-07