Shikoni se si një CV profesionale e shkencëtarit të të dhënave paraqet ekspertizën në mësimin e makinës, analizën statistikore dhe ndikimin në biznes. Personalizojeni për sfondën tuaj.
Shkencëtar i të dhënave me mbi 5 vjet përvojë në zbatimin e mësimit të makinës, mësimit të thellë dhe analizës statistikore për zgjidhjen e problemeve komplekse të biznesit në sektorët e shitjes me pakicë, shëndetësisë dhe kërkimit të tregut. Ndërtoi dhe vendosi modele parashikuese që rritën të ardhurat me 3.2 milionë dollarë në vit dhe ulën humbjet nga mashtrimi me 800 mijë dollarë. I aftë në Python, R, SQL dhe kornizat moderne të ML përfshirë TensorFlow dhe PyTorch, me përvojë praktike në vendosjen e modeleve në prodhim duke përdorur MLflow, Docker dhe AWS SageMaker.
Përvojë Pune
Shkencëtar i Lartë i të Dhënave
DataTech Shqipëri
Shk 2022 - Aktualisht
Ndërtoi modelin e parashikimit të largimit të klientëve duke përdorur XGBoost dhe inxhinierinë e veçorive në mbi 15 milionë regjistrime klientësh, duke arritur saktësi 92% dhe kursyer 3.2 milionë dollarë të ardhura vjetore
Zhvilloi motorin e rekomandimeve të produkteve duke përdorur filtrim bashkëpunues dhe embeddings të mësimit të thellë, duke rritur konvertimin e shitjeve të kryqëzuara me 28%
Udhëhoqi ekipin prej 3 shkencëtarësh të të dhënave në ndërtimin e linjës së zbulimit të mashtrimit në kohë reale që përpunon mbi 2 milionë transaksione ditore me një normë saktësie 97.5%
Vendosi modelet në prodhim duke përdorur MLflow, Docker dhe AWS SageMaker, duke vendosur linjën e parë të standardizuar të vendosjes së ML të ekipit
Shkencëtar i të Dhënave
HealthTech Analytics
Qer 2020 - Jan 2022
Ndërtoi linjën NLP për klasifikimin e shënimeve klinike me rezultat F1 95% duke përdorur rregullimin BERT në mbi 500 mijë regjistrime mjekësore të shënuara
Krijoi kornizën e testimit A/B me analizë Bayesiane të përdorur nga 4 ekipe produkti, duke standardizuar praktikat e eksperimentimit
Projektoi panele interaktive në Tableau të lidhura me magazinën e të dhënave Snowflake, duke ulur kohën e raportimit për drejtuesit me 75%
Zhvilloi modelin e rrezikut të ri-pranimit të pacientëve duke përdorur analizën e mbijetesës, duke ulur normat e ri-pranimit 30-ditor me 12%
Analist i të Dhënave
Market Insights Group
Gsh 2018 - Maj 2020
Kreu analiza statistikore mbi grupe të dhënash të sjelljes së konsumatorëve me mbi 10 milionë regjistrime duke përdorur Python, R dhe SQL
Ndërtoi modelin e çmimeve parashikuese duke përdorur gradient boosting, duke përmirësuar saktësinë e marzhit me 15%
Automatizoi linjën e raportimit mujor duke përdorur Python dhe Airflow, duke ulur punën manuale me 20 orë në muaj
Kreu analizën e segmentimit të klientëve duke përdorur grupimin k-means, duke informuar fushatën e marketingut të synuar prej 2 milionë dollarësh
Arsimi
M.S. Statistikë
Universiteti i Tiranës
2016 - 2018
Teza: 'Qasjet e Mësimit me Transferim për NLP Klinike me Burime të Kufizuara.' Kurse në konkluzionet Bayesiane dhe statistikën shumëdimensionale.
B.S. Matematikë
Universiteti Politeknik i Tiranës
2012 - 2016
Minor në Shkenca Kompjuterike. Diplomuar me ndere. Kërkim në statistikën llogaritëse.
Kurse dhe Çertifikime
Specializimi në Mësimin e Thellë
Coursera / deeplearning.ai
2021
Specializim me 5 kurse mbi rrjetet neurale, CNN, RNN, modelet sekuenciale dhe rregullimin e hiperparametrave.
AWS Certified Machine Learning - Specialty
Amazon Web Services
2023
ID e Kredencialit: AWS-MLS-2023-7412
Përfundimi kauzal për shkencën e të dhënave
Coursera / Columbia University
2022
Metodat e përfundimit kauzal dhe dizajnit eksperimental
Gjuhë
Shqip
Të Folur: Gjuhë amtareDëgjim: Gjuhë amtareShkrim: Gjuhë amtare
Anglisht
Të Folur: I avancuarDëgjim: I avancuarShkrim: I avancuar
Italisht
Të Folur: I ndërmjetëmDëgjim: I avancuarShkrim: I ndërmjetëm
Kjo është një CV shembull. Personalizojeni me përvojën tuaj duke përdorur ndërtuesin tonë falas të CV-ve.
Këshilla
Kuantifikoni Ndikimin në Biznes
Mos thoni vetëm 'ndërtova një model'. Thoni 'Ndërtova modelin e parashikimit të largimit duke kursyer 3.2 milionë dollarë në vit'. Përktheni punën teknike në rezultate biznesi që menaxherët e punësimit kuptojnë.
Përmendni Metrikat e Performancës së Modelit
Përfshini saktësinë, rezultatet F1, AUC-ROC ose metrika të tjera përkatëse. 'Arrita saktësi 92%' provon që modelet tuaja funksionojnë vërtet.
Tregoni Linjën e Plotë
Shkenca e të dhënave është më shumë se modelimi. Përmendni pastrimin e të dhënave, inxhinierinë e veçorive, vendosjen dhe monitorimin. Tregoni që mund ta çoni një projekt nga të dhënat e papërpunuara deri në prodhim.
Përfshini Publikimet dhe Kërkimin
Nëse keni botuar artikuj, prezantime në konferenca ose kontribute me burim të hapur, përfshijini ato. Ato demonstrojnë udhëheqje mendimi dhe ekspertizë të thellë.
Aftësi Kryesore
PythonRSQLMësimi i MakinësMësimi i Thellë (TensorFlow/PyTorch)Analiza StatistikoreNLPA/B TestingVizualizimi i të Dhënave (Tableau)Spark/Big DataInxhinieria e VeçoriveVendosja e Modeleve
Si të Shkruani një CV Shkencëtari të të Dhënave (Shembull dhe Udhëzues)
Ndiqni këto pesë hapa për të kthyer përvojën tuaj teknike në një CV që kalon filtrat ATS dhe bind rekrutuesit e shkencës së të dhënave. Përdorni shembullin më lart si model dhe personalizojeni me projektet, modelet dhe rezultatet tuaja.
1
Shkruani një Përmbledhje Profesionale të Fokusuar
Përmbledhja juaj duhet të zërë vetëm 3 rreshta, por të komunikojë menjëherë nivelin tuaj (junior, i mesëm apo i lartë), fushën ku keni punuar (shitje me pakicë, fintech, shëndetësi) dhe grupin kryesor të mjeteve (Python, SQL, TensorFlow/PyTorch). Mbylleni me një numër konkret ndikimi në biznes — për shembull 'ulur churn-in me 12%' ose 'kursyer 200 mijë euro në vit'. Rekrutuesit skanojnë këtë seksion për pak sekonda, prandaj shmangni fjali të përgjithshme si 'i motivuar dhe i orientuar drejt detajeve' dhe fokusohuni te fakte të matshme.
2
Shkruani Përvojën e Punës me Rezultate të Kuantifikuara
Çdo pikë (bullet) duhet të fillojë me një folje veprimi (ndërtova, projektova, automatizova) dhe të mbyllet me një metrikë konkrete: saktësia e modelit, përmirësimi i AUC, vëllimi i të dhënave të përpunuara, ulja e latencës së linjës, rezultati i një testi A/B ose shkalla e adoptimit të një dashboard-i. Shembull i fortë: 'Ndërtova modelin XGBoost të parashikimit të largimit të klientëve mbi 2 milionë regjistrime, duke arritur saktësi 91% dhe kursyer 150 mijë euro në vit.' Shmangni përshkrime të përgjithshme si 'punova me modele mësimi makine'.
3
Organizoni Aftësitë Teknike sipas Kategorive
Grupojini aftësitë në kategori të qarta: gjuhë programimi (Python, R, SQL), biblioteka ML/DL (scikit-learn, XGBoost, PyTorch, TensorFlow), infrastrukturë dhe të dhëna (Spark, Airflow, dbt, AWS/GCP/Azure) dhe mjete BI (Tableau, Power BI, Looker). Rilexoni njoftimin e punës dhe përfshini termat saktësisht siç shkruhen atje — sistemet ATS dhe rekrutuesit kërkojnë përputhje fjalë-për-fjalë, jo sinonime. Mos listoni çdo mjet që keni prekur ndonjëherë; renditni ato që përdorni rregullisht dhe që lidhen me pozicionin për të cilin aplikoni.
4
Shtoni Projekte dhe Portofol (Kaggle, GitHub)
Nëse përvoja juaj e punës është e kufizuar, projektet plotësojnë boshllëkun. Përfshini 2-3 projekte fund-në-fund: një konkurs Kaggle me renditje konkrete, një repository GitHub me kod të pastër dhe README të qartë, ose një model i vendosur si aplikacion i vogël web. Për secilin, shpjegoni problemin e biznesit, qasjen teknike dhe rezultatin — jo vetëm 'ndërtova një model klasifikimi'. Një model i vetëm i vendosur në prodhim, edhe modest, vlen më shumë se dhjetë notebook-e eksploruese pa vazhdimësi.
5
Arsimi, Certifikimet dhe Kontrollet Finale për ATS
Listoni diplomën tuaj (statistikë, informatikë, matematikë, inxhinieri) dhe certifikime relevante si AWS Certified Machine Learning, Google Professional Data Engineer ose specializime Coursera/DeepLearning.AI. Para se ta dërgoni CV-në, kontrolloni: formatim me një kolonë të vetme, eksportim si PDF, pa tabela komplekse, pa grafikë apo ikona brenda tekstit dhe pa foto në header nëse aplikoni jashtë vendit. Këto detaje sigurojnë që sistemet ATS ta lexojnë CV-në saktë pa humbur informacion gjatë skanimit automatik.
Shembuj Përmbledhjesh Profesionale për CV të Shkencëtarit të të Dhënave
Kopjoni dhe përshtatni një nga këto tre përmbledhje sipas nivelit tuaj të përvojës, pastaj personalizojeni me mjetet dhe rezultatet tuaja konkrete.
Fillestar / i sapodiplomuar
Të sapodiplomuar në Statistikë me projekte praktike në Python, pandas dhe scikit-learn. Gjatë një stazhi 6-mujor në një kompani fintech, ndërtova modele klasifikimi për vlerësimin e riskut të kredisë dhe ndihmova në dizajnimin e testeve A/B për ekipin e produktit. I aftë në pastrimin e të dhënave, vizualizim me matplotlib/Seaborn dhe SQL. Kërkoj një pozicion Junior Data Scientist ku të zbatoj dhe zgjeroj këto aftësi në probleme reale biznesi.
I lartë / senior
Shkencëtar i lartë i të dhënave me 7+ vjet përvojë në ndërtimin e platformave ML për sektorin e shitjes me pakicë dhe shëndetësinë. Udhëheq ekipe deri në 5 anëtarë, ka vendosur mbi 15 modele në prodhim duke përdorur XGBoost, PyTorch dhe Spark, dhe ka gjeneruar mbi 5 milionë euro vlerë biznesi përmes modeleve të parashikimit të largimit dhe optimizimit të çmimeve. Mentor aktiv për shkencëtarë junior; kombinon thellësi teknike me komunikim të qartë me palët e interesuara ekzekutive.
Ndryshim karriere (nga analitika/akademia/inxhinieria)
Ish-analist biznesi me 5 vjet përvojë në SQL, raportim BI dhe analizë të të dhënave, tani i kaluar formalisht në shkencën e të dhënave përmes një bootcamp-i intensiv dhe certifikimit AWS ML Specialty. Kam ndërtuar modele parashikuese për parashikimin e shitjeve duke përdorur Python dhe scikit-learn, dhe kombinoj njohuri të thella të biznesit me aftësi të reja në mësimin e makinës. Kërkoj të sjell këtë kombinim unik në një ekip shkence të dhënash.
Fjalë Kyçe ATS për CV të Shkencëtarit të të Dhënave
Sistemet ATS dhe rekrutuesit skanojnë CV-në për terma specifikë nga njoftimi i punës — përdorni termat ekzaktë, jo parafrazime, dhe vendosini pranë provave konkrete të përdorimit.
Python
Përmendeni si aftësi kryesore programimi; specifikoni bibliotekat (pandas, NumPy, scikit-learn) pranë saj kur është e mundur.
SQL
Thelbësore për çdo rol DS; përmendeni bashkë me dialektet specifike (PostgreSQL, BigQuery) nëse i keni përdorur.
Machine Learning
Përdorni termin anglisht 'Machine Learning' te titulli dhe aftësitë, pasi kështu shkruhen shumica e njoftimeve në rajon.
Deep Learning
Përmendeni vetëm nëse keni ndërtuar rrjete neurale reale; shoqërojeni me PyTorch ose TensorFlow si dëshmi.
PyTorch / TensorFlow
Listoni kornizën specifike që keni përdorur më shumë, jo vetëm 'ML frameworks' në përgjithësi.
A/B Testing
Përmendeni në bullet-e specifike, p.sh. 'dizajnova teste A/B për...' për të treguar përvojë praktike eksperimentale.
Statistical Modeling
Përfshijeni te seksioni i aftësive dhe përmendni metodat konkrete (regresion, testime hipotezash) në përvojën tuaj.
Spark / Big Data
Rëndësishme për role me vëllime të mëdha të dhënash; specifikoni PySpark nëse është ai versioni i përdorur.
MLOps / Model Deployment
Tregon që dini ta çoni një model nga notebook në prodhim; përmendeni Docker, MLflow ose SageMaker si dëshmi.
Data Pipelines
Përdoreni kur keni ndërtuar procese ETL/ELT; specifikoni Airflow ose dbt nëse i keni përdorur.
Shembuj: Bullet të Dobët kundrejt Bullet të Forta
Rishkruani përvojën tuaj duke shtuar folje veprimi, metodë specifike dhe rezultat biznesi të matshëm — jo vetëm përshkrim të detyrës.
Punë me model churn (largim klientësh)
Punova në një model për të parashikuar largimin e klientëve.
Ndërtova modelin XGBoost të parashikimit të largimit të klientëve mbi 2 milionë regjistrime, duke arritur saktësi 91% dhe kursyer 150 mijë euro në vit të ardhura të rrezikuara.
Linjë dhe infrastrukturë të dhënash
Përgjegjës për menaxhimin e linjave të të dhënave të kompanisë.
Ndërtova dhe automatizova linja ETL me Airflow dhe dbt që përpunojnë 5 milionë regjistrime ditore, duke ulur vonesën e raportimit nga 24 orë në 45 minuta.
Eksperimentim dhe analitikë me palët e interesuara
Bëra teste A/B për ekipin e produktit.
Dizajnova dhe analizova 12 teste A/B me metoda Bayesiane për ekipin e produktit, duke identifikuar një ndryshim UI që rriti konvertimin me 8% dhe u miratua për prodhim të plotë.
Pyetje të Shpeshta
Çfarë duhet të përfshijë një CV e shkencëtarit të të dhënave?
Një CV e shkencëtarit të të dhënave duhet të përfshijë aftësi programimi (Python, R, SQL), korniza të mësimit të makinës, metoda statistikore, metrika të ndikimit në biznes, arsimin (shpesh diploma të avancuara) dhe projekte ose publikime përkatëse. Theksoni rezultatet e matshme të modeleve dhe analizave tuaja.
A kam nevojë për diplomë masteri për një CV të shkencës së të dhënave?
Edhe pse shumë njoftime për punë në shkencën e të dhënave preferojnë diploma të avancuara, ato nuk kërkohen gjithmonë. Përvoja e fortë në projekte, certifikimet përkatëse (si AWS ML Specialty) dhe ndikimi i demonstruar në biznes mund të kompensojnë. Theksoni aftësitë tuaja praktike dhe rezultatet e matshme.
Si ta bëj CV-në time të shkencëtarit të të dhënave miqësore me ATS?
Përdorni tituj standardë seksionesh, listoni teknologji specifike me emër (TensorFlow, jo 'korniza ML'), përfshini fjalë kyçe nga përshkrimi i punës dhe përdorni një format të pastër me një kolonë. Shmangni imazhet, tabelat ose formatimin e pazakontë.
A mund ta krijoj një CV të shkencëtarit të të dhënave falas?
Po. NoBsResume është 100% falas pa kosto të fshehura. Zgjidhni një shablloni miqësor me ATS të optimizuar për rolet teknike, shtoni përvojën tuaj në shkencën e të dhënave dhe shkarkoni si PDF menjëherë.
Ku mund të shkarkoj një shabllon CV-je për shkencëtar të të dhënave falas?
Mund ta ndërtoni dhe shkarkoni falas direkt në NoBsResume — përdorni shembullin e mësipërm si pikënisje, personalizojeni me përvojën tuaj në ndërtuesin tonë dhe eksportojeni si PDF të gatshëm për aplikim brenda pak minutash, pa regjistrim dhe pa kosto të fshehura.
Si të shkruaj një CV shkencëtari të të dhënave pa përvojë (fillestar/junior)?
Fokusohuni te projektet: konkurse Kaggle, repository GitHub me kod të pastër dhe stazhe apo projekte universitare me të dhëna reale. Përmendni aftësitë teknike (Python, SQL, scikit-learn) dhe çdo rezultat i matshëm, edhe në shkallë të vogël. Certifikimet (Coursera, AWS ML Foundations) ndihmojnë të kompensojnë mungesën e përvojës formale të punës.
A duhet CV-ja e shkencëtarit të të dhënave në Shqipëri të jetë në anglisht apo shqip?
Për role në kompani ndërkombëtare, startup-e teknologjike ose punë remote, anglishtja preferohet dhe shpesh kërkohet — shumica e njoftimeve për shkencë të dhënash në rajon publikohen në anglisht. Për kompani lokale shqiptare, një CV në shqip është plotësisht e pranueshme. Nëse nuk jeni të sigurt, përgatisni të dyja versionet me NoBsResume.
Sa e gjatë duhet të jetë një CV e shkencëtarit të të dhënave?
Një faqe për kandidatë me më pak se 5 vite përvojë, deri në dy faqe për shkencëtarë të lartë me projekte të shumta e publikime. Rekrutuesit shpenzojnë vetëm pak sekonda në skanimin fillestar, prandaj rëndësia dhe qartësia kanë përparësi ndaj gjatësisë.
A duhet të përfshij Kaggle dhe GitHub në CV?
Po, absolutisht. Shtoni lidhje direkte te profili juaj GitHub dhe Kaggle pranë të dhënave të kontaktit ose te seksioni i projekteve. Për rekrutuesit e shkencës së të dhënave, kodi real dhe renditjet në konkurse janë dëshmi më e fortë se vetëm lista e aftësive.
Cili është ndryshimi mes një CV-je Data Scientist dhe një CV-je Data Analyst?
CV e Data Scientist thekson modelim parashikues, mësim makine, thellësi statistikore dhe vendosje modelesh në prodhim. CV e Data Analyst fokusohet te raportimi, dashboard-et (Tableau, Power BI), SQL dhe njohuri biznesi. Nëse aplikoni për role DS, zëvendësoni bullet-e thjesht përshkruese me metrika modelesh dhe ndikim parashikues.
Ndërtoni CV-në Tuaj Tani
Përdorni këtë shembull si frymëzim. Personalizojeni me përvojën tuaj dhe shkarkoni një PDF profesional brenda minutash. 100% falas.
