作者 | Sowmya VB
翻译 | Mika
本文为 CDA 数据分析师原创作品，转载需授权

我在多伦多的一家中型软件公司担任数据科学家。在过去的几个月里，我担任了三场数据科学职位面试的面试官，这三场面试面向数据工程师、数据科学家和数据科学QA。

本文包含了我作为面试官在筛选简历时的一些想法。希望这篇文章能够对想找是数据科学相关工作的人有所帮助。

在公司中，“数据科学”团队是一个相对较新的现象，其中包括各种各样的角色。随着这些角色越来越多，也有越来越多的机构提供数据科学认证课程。暂时不考虑当中哪些认证是好的，我们开始看到许多带有“认证数据科学家”标签的简历，这也加大了评估简历的难度。

通常情况下，当你在挑选数据科学团队成员时，你会寻找哪些点呢？

我会注重这几点：

a）与团队工作相关的经验

b）在简历中提到的相关能力的细节。

经验部分很明显，关于第二点具体而言我主要看到这几点：

1. 清楚并完整描述求职者曾在何时何地工作/学习

2. 作品集：在Github主页或技术博客

3. 具体的技能和成果部分

4. 简历的长度

下面我会具体谈谈这几点，以及为什么我认为这些很重要。

1. 清楚并完整的描述

有些简历中没有提到求职者目前工作的国家或城市。我认为这很重要，特别对于有签证限制或希望雇用当地人的雇主（我不评论这是好是，但这只是一些雇主的偏好）。直到面试后期才意识到这方面的问题是很浪费时间的。

还有些求职者候没有提到毕业院校的国家或地区。虽然这并不是太大的问题，但我认为还是不太完整，因为并非所有大学都很有名。如果有人写毕业于“斯坦福大学”，但没有写清楚具体国家，我仍然称之为不完整，但不是很严重的那种。然而，如果有人写了毕业于“ABC工程学院”，且之后没有具体的说明，那该简历的真实性是有些可疑的。这点只是我的个人意见，但我确信不止我一个人这么想。改善这点也很简单，写明具体的国家或城市，这样能让简历更准确且完整。

2. 作品集

我认为这对于刚接触数据科学的人来说尤其重要，特别是对于刚完成相关认证课程和项目的人群。列出完成的课程是不够的，因为完成课程的人都必须完成某些项目。除此之外，求职者还必须展现给面试官，他们学到了什么，并且能够将所学应用到具体的问题情景中。

完成个人数据科学项目。例如，不属于任何课程的Kaggle比赛等；发布过一些文章，关于最近阅读的内容，或喜欢的工具、算法等。

3.所提到的技能或成果

这里并不是指像MS Office、敏捷方法论、参加每日Scrum会议，在机器学习课程中取得优异成绩等。我希望在技能方面看到求职者展现的是，所掌握的编程语言、机器学习库、可视化库、项目管理等。以及一些实际的成就，比如我构建的模型A减少了软件B中XX％的错误之类。在简历中堆满相关技能的关键字也是不可取的，这可能会通过机器筛选，但会在人为筛选中被刷下来。

4.简历的长度

对于简历的长度，不同国家有不同的规范。最近，在LinkedIn上，Andriy Burkov关于这个问题提出了他的看法。

他认为，对于工作经验不到10年的人来说，简历应该只有1页。但是，我经常看到长达7-8页的简历，而且当中没给我任何有价值的信息。每个小项目都详细地进行解释，而许多项目甚至与数据科学无关。

一些博士生和博士后会在简历列出所有发表的文章，但这并不太符合行业背景。我本人有博士学位，对于有些工作我会提交长8页的简历，当中列出我发表的全部文章。但我还有一份2页的简历，专门针对那些与工程团队联系更紧密的职位。

除此之外，另一件让我感到不解的是，有些人在电话面试中表现得很冷漠。表现出对这份工作的兴趣，更多地了解团队构成，比如数据科学团队有多少人，工作流程是怎样的等等，以及对面试过程的好奇心。这些都体现出求职者对这份工作的兴趣。在我有限的经验中，不问这些问题是危险信号。

总而言之，在准备简历和准备面试时，要记住以下五点：

1.确保简历清晰、简洁

2.建立个人作品集，在简历中附有具体的链接，比如GitHub个人主页或博客

3.简明扼要地描述技能和成果，且与职位相关

4.不要让简历太长

5.表现出对公司和职位的兴趣

那么，这是否意味着没有数据科学经验的人不应该申请呢？

当然不是。让我们以P为例，他是一位自学的数据科学家。他上了一些在线课程，然后开始自己做个人项目。他不写博客，也没有在github列出所有项目内容，但他能够详细描述自己所做的内容。那么该如何展示在简历中呢？可以类一个“个人数据科学项目”的部分，罗列完成的个人项目，每个项目3、4句话。仅仅是Kaggle比赛还不够，毕竟它们与真实情况有些距离。

最终，每个人的目标都是让自己的简历在其他求职者中脱颖而出。