معاينة السيرة الذاتية

خالد العتيبي

عالم بيانات أول

[email protected]+966 55 123 4567الرياض، المملكة العربية السعوديةرخصة قيادة سارية المفعول

الملخص المهني

عالم بيانات يتمتع بأكثر من 5 سنوات من الخبرة في تطبيق تعلم الآلة والتعلم العميق والتحليل الإحصائي لحل مشكلات الأعمال المعقدة في قطاعات التجزئة والرعاية الصحية وأبحاث السوق. بنى ونشر نماذج تنبؤية زادت الإيرادات بمقدار 3.2 مليون دولار سنوياً وخفضت خسائر الاحتيال بمقدار 800 ألف دولار. متمكن من Python وR وSQL وأطر عمل تعلم الآلة الحديثة بما في ذلك TensorFlow وPyTorch، مع خبرة عملية في نشر النماذج في الإنتاج باستخدام MLflow وDocker وAWS SageMaker.

الخبرة العملية

عالم بيانات أول

RetailAI Corp.

فبراير 2022 - الحاضر

بنى نموذج التنبؤ بتسرب العملاء باستخدام XGBoost وهندسة الميزات على أكثر من 15 مليون سجل عميل، محققاً دقة 92% ووفر ما يقدر بـ 3.2 مليون دولار من الإيرادات السنوية
طور محرك توصيات المنتجات باستخدام التصفية التعاونية وتضمينات التعلم العميق، مما زاد تحويل البيع المتبادل بنسبة 28%
قاد فريقاً من 3 علماء بيانات في بناء خط أنابيب كشف الاحتيال في الوقت الفعلي لمعالجة أكثر من 2 مليون معاملة يومياً بمعدل دقة 97.5%
نشر النماذج في الإنتاج باستخدام MLflow وDocker وAWS SageMaker، وأسس أول خط أنابيب موحد لنشر تعلم الآلة في الفريق

عالم بيانات

HealthTech Analytics

يونيو 2020 - يناير 2022

بنى خط أنابيب NLP لتصنيف الملاحظات السريرية بنتيجة F1 تبلغ 95% باستخدام ضبط BERT على أكثر من 500 ألف سجل طبي مشروح
أنشأ إطار عمل اختبار A/B مع تحليل بايزي يستخدمه 4 فرق منتجات، لتوحيد ممارسات التجريب
صمم لوحات معلومات تفاعلية في Tableau متصلة بمستودع بيانات Snowflake، مما قلل وقت التقارير التنفيذية بنسبة 75%
طور نموذج مخاطر إعادة دخول المرضى باستخدام تحليل البقاء، مما خفض معدلات إعادة الدخول خلال 30 يوماً بنسبة 12%

محلل بيانات

Market Insights Group

أغسطس 2018 - مايو 2020

أجرى تحليلاً إحصائياً على مجموعات بيانات سلوك المستهلك بأكثر من 10 ملايين سجل باستخدام Python وR وSQL
بنى نموذج تسعير تنبؤي باستخدام gradient boosting، مما حسّن دقة الهامش بنسبة 15%
أتمت خط أنابيب التقارير الشهرية باستخدام Python وAirflow، مما قلل الجهد اليدوي بمقدار 20 ساعة شهرياً
أجرى تحليل تجزئة العملاء باستخدام تجميع k-means، مما أثّر على حملة تسويق مستهدفة بقيمة 2 مليون دولار

التعليم

ماجستير إحصاء

جامعة الملك سعود

2016 - 2018

أطروحة: 'أساليب التعلم بالنقل لمعالجة اللغة الطبيعية السريرية محدودة الموارد.' مقررات في الاستدلال البايزي والإحصاء عالي الأبعاد.

بكالوريوس رياضيات

جامعة الملك فهد للبترول والمعادن

2012 - 2016

تخصص فرعي في علوم الحاسب. تخرج بمرتبة الشرف. بحث جامعي في الإحصاء الحسابي.

الدورات والشهادات

تخصص التعلم العميق

Coursera / deeplearning.ai

2021

تخصص من 5 دورات يغطي الشبكات العصبية وCNN وRNN ونماذج التسلسل وضبط المعلمات الفائقة.

AWS Certified Machine Learning - Specialty

Amazon Web Services

2023

رقم الشهادة: AWS-MLS-2023-7412

الاستدلال السببي لعلم البيانات

Coursera / Columbia University

2022

طرق الاستدلال السببي والتصميم التجريبي

اللغات

العربية

التحدث: لغة أمالاستماع: لغة أمالكتابة: لغة أم

الإنجليزية

التحدث: متقدمالاستماع: متقدمالكتابة: متقدم

المهارات

PythonRSQLTensorFlowPyTorchScikit-learnPandasTableauSparkNLPA/B TestingStatistical Modeling

هذه سيرة ذاتية نموذجية. خصصها بتجربتك الخاصة باستخدام أداة إنشاء السيرة الذاتية المجانية.

نصائح لسيرتك الذاتية

حدد التأثير على الأعمال بالأرقام

لا تقل فقط 'بنيت نموذجاً'. قل 'بنيت نموذج التنبؤ بتسرب العملاء الذي وفر 3.2 مليون دولار سنوياً'. ترجم العمل التقني إلى نتائج أعمال يفهمها مديرو التوظيف.

اذكر مقاييس أداء النموذج

أدرج الدقة ونتائج F1 وAUC-ROC أو مقاييس أخرى ذات صلة. 'حققت دقة 92%' تثبت أن نماذجك تعمل بالفعل.

أظهر خط الأنابيب الكامل

علم البيانات أكثر من مجرد النمذجة. اذكر تنظيف البيانات وهندسة الميزات والنشر والمراقبة. أظهر أنك تستطيع أخذ مشروع من البيانات الخام إلى الإنتاج.

أدرج المنشورات والأبحاث

إذا كان لديك أوراق بحثية منشورة أو محاضرات في مؤتمرات أو مساهمات مفتوحة المصدر، أدرجها. فهي تظهر القيادة الفكرية والخبرة العميقة.

المهارات الرئيسية

PythonRSQLتعلم الآلةالتعلم العميق (TensorFlow/PyTorch)التحليل الإحصائيNLPA/B Testingتصور البيانات (Tableau)Spark/Big Dataهندسة الميزاتنشر النماذج

كيف تكتب سيرة ذاتية لعالم بيانات احترافية

سيرة عالم البيانات الذاتية القوية توازن بين الأساس التقني والأثر التجاري. اتبع هذه الخطوات الخمس لكتابة سيرة ذاتية تجتاز أنظمة تتبع المتقدمين (ATS) وتقنع مديري التوظيف التقنيين في آن واحد.

اكتب ملخصاً مهنياً مركّزاً

ابدأ سيرتك الذاتية بملخص من 3 أسطر يوضح مستوى خبرتك ومجال تخصصك وأدواتك الأساسية ورقماً واحداً يثبت أثرك على الأعمال. مثال: 'عالم بيانات أول بخبرة 5 سنوات في التجزئة والرعاية الصحية، متمكن من Python وTensorFlow وSQL، بنى نماذج تنبؤية رفعت الإيرادات 3.2 مليون دولار سنوياً.' تجنب العبارات العامة مثل 'شغوف بالبيانات' - استبدلها بحقائق قابلة للقياس تجذب انتباه مدير التوظيف في الثواني الأولى.

اكتب نقاط الخبرة العملية بأرقام واضحة

كل نقطة في قسم الخبرة يجب أن تبدأ بفعل قوي وتذكر الأداة أو الطريقة المستخدمة وتنتهي بنتيجة مقاسة: دقة النموذج، تحسن AUC، حجم البيانات المعالج، زمن استجابة خط الأنابيب، أو نتيجة اختبار A/B. مثال: 'بنيت نموذج تسرب العملاء باستخدام XGBoost على 15 مليون سجل، محققاً دقة 92% ووفّرت 3.2 مليون دولار سنوياً.' الأرقام تثبت أن عملك أحدث فرقاً حقيقياً، وليس مجرد مهام تقنية معزولة عن نتائج الأعمال.

نظّم قسم المهارات التقنية بذكاء

اجمع مهاراتك في فئات واضحة: لغات البرمجة (Python وR وSQL)، مكتبات تعلم الآلة (Scikit-learn وXGBoost وPyTorch)، أدوات البيانات والبنية التحتية (Spark وAirflow وdbt والسحابة)، وأدوات ذكاء الأعمال (Tableau وPower BI). راجع إعلان الوظيفة وطابق المصطلحات المستخدمة فيه بدقة، فأنظمة ATS تبحث عن تطابق حرفي مع الكلمات المفتاحية قبل وصول سيرتك إلى إنسان.

أبرز مشاريعك ومحفظتك على Kaggle وGitHub

إذا كانت خبرتك المهنية محدودة، عوّض ذلك بمشاريع حقيقية: مسابقة Kaggle حصلت فيها على ترتيب جيد، أو مستودع GitHub يحتوي دفاتر Jupyter موثقة جيداً، أو مشروع متكامل من جمع البيانات إلى نشر نموذج فعلي. نموذج واحد تم نشره فعلياً وله إطار عمل تجاري واضح يفوق قيمة عشرة دفاتر تحليلية غير مكتملة. اذكر رابط ملفك الشخصي على GitHub أو Kaggle في أعلى السيرة الذاتية بجانب معلومات التواصل.

أضف التعليم والشهادات وراجع التوافق مع ATS

اذكر درجتك العلمية (إحصاء أو حاسب أو رياضيات غالباً) وأي شهادات سحابية متخصصة في تعلم الآلة مثل AWS Certified Machine Learning أو Google Professional ML Engineer. قبل الإرسال، تأكد من: تنسيق عمود واحد، حفظ الملف كـ PDF، عدم استخدام جداول أو رسوم بيانية داخل السيرة نفسها، وعناوين أقسام قياسية يمكن لأنظمة ATS قراءتها بسهولة.

أمثلة على ملخصات مهنية لعالم بيانات

انسخ أحد هذه الملخصات وعدّله بخبرتك ومجالك الخاص.

خريج حديث / عالم بيانات مبتدئ

خريج علوم حاسب متحمس لعلم البيانات، متمكن من Python وPandas وScikit-learn من خلال مشاريع أكاديمية وتدريب صيفي شمل تحليل بيانات استبيانات وبناء نموذج تصنيف بدقة 88%. أجرى اختبارات A/B خلال فترة التدريب في شركة تجارة إلكترونية وساهم في تحسين معدل التحويل بنسبة 4%. يبحث عن دور عالم بيانات مبتدئ لتطبيق أساسه القوي في الإحصاء والتعلم الآلي.

عالم بيانات أول

عالم بيانات أول بخبرة 8 سنوات في بناء منصات تعلم آلة على نطاق واسع باستخدام XGBoost وPyTorch وApache Spark. قاد فرق من علماء بيانات في التجزئة والرعاية الصحية، ونشر أكثر من 15 نموذجاً في الإنتاج ساهمت في زيادة إيرادات سنوية بقيمة 5 ملايين دولار وخفض تكاليف تشغيلية بنسبة 18%. خبرة عميقة في هندسة الميزات وMLOps وتوجيه علماء بيانات مبتدئين.

متحول مهني من التحليل إلى علم البيانات

محلل بيانات سابق بخبرة 6 سنوات في SQL وPower BI، أكمل مؤخراً برنامجاً متخصصاً في تعلم الآلة وبنى مشاريع تطبيقية باستخدام Python وScikit-learn تشمل نموذج تنبؤ بمبيعات بدقة R² تبلغ 0.87. يجمع بين فهم عميق لاحتياجات الأعمال من دور المحلل وأساس تقني متين في النمذجة الإحصائية والتعلم الآلي، جاهز للانتقال إلى دور عالم بيانات كامل.

كلمات مفتاحية لسيرة عالم البيانات الذاتية (ATS)

أنظمة تتبع المتقدمين وموظفو التوظيف يبحثان عن نفس المصطلحات الدقيقة الموجودة في إعلان الوظيفة، لذا استخدم هذه الكلمات في سياق حقيقي داخل خبرتك ومشاريعك.

Python

اذكرها في قسم المهارات وفي نقاط الخبرة عند وصف الأدوات التي استخدمتها فعلياً لبناء النماذج.

SQL

أساسي في كل إعلان وظيفة تقريباً؛ اذكر نوع قواعد البيانات (PostgreSQL، BigQuery) إن أمكن.

تعلم الآلة (Machine Learning)

استخدمها كعبارة كاملة في الملخص المهني وفي عنوان قسم المهارات.

التعلم العميق (Deep Learning)

اذكرها فقط إذا كان لديك خبرة فعلية مع الشبكات العصبية، وليس مجرد دورة تدريبية.

PyTorch / TensorFlow

اذكر الإطار الذي استخدمته فعلاً بدل ذكر الاثنين إن لم تجرب أحدهما بعمق.

Spark

مهم لأدوار البيانات الضخمة؛ اذكر حجم البيانات التي عالجتها به.

A/B Testing

استخدمها عند وصف تجارب فعلية أجريتها مع نتيجة قابلة للقياس.

النمذجة الإحصائية (Statistical Modeling)

تُظهر أساساً نظرياً متيناً، مهمة خاصة للأدوار البحثية.

NLP (معالجة اللغة الطبيعية)

اذكرها فقط إذا عملت فعلياً مع نصوص، لا تكتبها لمجرد ملء السيرة.

نشر النماذج (Model Deployment / MLOps)

يميزك عن المحللين؛ اذكر أدوات مثل MLflow أو Docker أو SageMaker.

أمثلة: نقاط خبرة ضعيفة مقابل قوية

قارن هذه الأمثلة الثلاثة لترى كيف تتحول المهام العادية إلى إنجازات مقنعة بلغة الأعمال.

بناء نموذج تنبؤ بتسرب العملاء

مسؤول عن بناء نموذج تعلم آلة للتنبؤ بتسرب العملاء.

بنيت نموذج التنبؤ بتسرب العملاء باستخدام XGBoost وهندسة ميزات على أكثر من 15 مليون سجل، محققاً دقة 92% ووفرت 3.2 مليون دولار من الإيرادات السنوية.

عمل على خط أنابيب البيانات

عملت على تحسين خطوط أنابيب البيانات.

أعدت بناء خط أنابيب معالجة البيانات باستخدام Airflow وSpark، مما خفض زمن التنفيذ من 6 ساعات إلى 40 دقيقة ومكّن التقارير اليومية بدل الأسبوعية.

اختبار A/B وتحليل لأصحاب المصلحة

أجريت تحليلات وقدمت نتائج للفريق.

صممت وأدرت 12 اختبار A/B لصفحات المنتج باستخدام تحليل بايزي، وقدمت النتائج لفريق المنتج، مما أدى إلى اعتماد تغيير رفع معدل التحويل 9%.

الأسئلة الشائعة

ماذا يجب أن تتضمن سيرة ذاتية لعالم بيانات؟

يجب أن تتضمن سيرة ذاتية عالم البيانات مهارات البرمجة (Python وR وSQL) وأطر عمل تعلم الآلة والأساليب الإحصائية ومقاييس التأثير على الأعمال والتعليم (غالباً درجات متقدمة) والمشاريع أو المنشورات ذات الصلة. ركز على النتائج القابلة للقياس لنماذجك وتحليلاتك.

هل أحتاج إلى درجة ماجستير لسيرة ذاتية في علم البيانات؟

بينما تفضل العديد من إعلانات وظائف علم البيانات الدرجات المتقدمة، إلا أنها ليست مطلوبة دائماً. خبرة المشاريع القوية والشهادات ذات الصلة (مثل AWS ML Specialty) والتأثير المثبت على الأعمال يمكن أن يعوض. ركز على مهاراتك العملية ونتائجك القابلة للقياس.

كيف أجعل سيرتي الذاتية كعالم بيانات متوافقة مع ATS؟

استخدم عناوين أقسام قياسية، واذكر التقنيات بأسمائها المحددة (TensorFlow وليس 'أطر عمل ML')، وأدرج كلمات مفتاحية من وصف الوظيفة، واستخدم تنسيقاً نظيفاً بعمود واحد. تجنب الصور والجداول أو التنسيق غير المعتاد.

هل يمكنني إنشاء سيرة ذاتية لعالم بيانات مجاناً؟

نعم. NoBsResume مجاني 100% بدون تكاليف خفية. اختر قالباً متوافقاً مع ATS محسّناً للأدوار التقنية، وأضف خبرتك في علم البيانات، وحمّل كملف PDF فوراً.

هل يوجد قالب سيرة ذاتية لعالم بيانات جاهز للتحميل بصيغة PDF؟

نعم، يوفر NoBsResume نموذج السيرة الذاتية هذا كقالب جاهز يمكنك تعديله مباشرة في الأداة المجانية، مع 3 قوالب متوافقة مع ATS مصممة للأدوار التقنية. عدّل البيانات بخبرتك الخاصة وحمّل النتيجة كملف PDF فوراً بدون الحاجة لإنشاء حساب.

كيف أكتب سيرة ذاتية لعالم بيانات بدون خبرة عملية؟

ركّز على المشاريع الأكاديمية والتدريب الصيفي ومسابقات Kaggle ومستودعات GitHub بدل الخبرة الوظيفية الرسمية. اذكر أدواتك (Python وSQL وScikit-learn) ونتيجة واحدة ملموسة لكل مشروع، مثل دقة النموذج أو حجم البيانات. ملخص مهني قوي وقسم مشاريع مفصل يعوضان غياب سنوات الخبرة في نظر أغلب مديري التوظيف.

هل يجب أن تكون سيرتي الذاتية كعالم بيانات باللغة الإنجليزية أم العربية؟

في السعودية ودول الخليج، تفضل غالبية الشركات التقنية والمتعددة الجنسيات وشركات التقنية المالية سيرة ذاتية بالإنجليزية لأدوار علم البيانات، لأن الأدوات والمصطلحات التقنية إنجليزية أصلاً. أما الجهات الحكومية وبعض الشركات المحلية فتقبل العربية أو تفضلها. إن لم تكن متأكداً من ثقافة الشركة، الأنسب إعداد نسخة إنجليزية احترافية، مع نسخة عربية جاهزة عند الطلب.

كم يجب أن يكون طول سيرة عالم البيانات الذاتية؟

صفحة واحدة تكفي لعلماء البيانات ذوي الخبرة الأقل من 5 سنوات، وصفحتان مقبولتان لمن لديهم خبرة أطول أو منشورات بحثية أو مشاريع قيادية متعددة. تجنب تجاوز صفحتين مهما كانت خبرتك؛ مديرو التوظيف يقضون ثوانٍ معدودة في القراءة الأولى، لذا الإيجاز مع الأرقام أهم من التفاصيل الكثيرة.

هل يجب أن أضيف روابط Kaggle وGitHub في سيرتي الذاتية؟

نعم، خصوصاً إذا كانت خبرتك محدودة أو تريد إثبات مهاراتك العملية. ضع الروابط بجانب بريدك الإلكتروني في أعلى السيرة الذاتية، وتأكد أن المستودعات نظيفة وموثقة بملفات README واضحة. رابط لنموذج منشور فعلياً على Kaggle أو دفتر Jupyter احترافي أقوى من قائمة طويلة بالمهارات بدون دليل عملي.

ما الفرق بين سيرة عالم البيانات الذاتية وسيرة محلل البيانات؟

سيرة عالم البيانات تركز على بناء النماذج التنبؤية والتعلم الآلي والتعلم العميق ونشر الحلول في الإنتاج، بينما تركز سيرة محلل البيانات على استخراج الرؤى من البيانات الموجودة باستخدام SQL ولوحات المعلومات مثل Tableau أو Power BI. إذا كنت تكتب كود لتدريب نماذج تنبؤية ونشرها، استخدم مسمى عالم بيانات؛ إذا كان عملك أقرب للتقارير والتحليل الوصفي، فمسمى محلل بيانات أدق.

أنشئ سيرتك الذاتية الآن

استخدم هذا النموذج كمصدر إلهام. خصصه بتجربتك وحمّل ملف PDF احترافي في دقائق. مجاني 100%.

ابدأ بإنشاء سيرتك الذاتية

شاهد هذه السيرة الذاتية بلغات أخرى

نموذج السيرة الذاتية هذا متاح بـ 63 لغة:

نموذج سيرة ذاتية لعالم بيانات

معاينة السيرة الذاتية

الملخص المهني

الخبرة العملية

عالم بيانات أول

عالم بيانات

محلل بيانات

التعليم

ماجستير إحصاء

بكالوريوس رياضيات

الدورات والشهادات

تخصص التعلم العميق

AWS Certified Machine Learning - Specialty

الاستدلال السببي لعلم البيانات

اللغات

العربية

الإنجليزية

المهارات

نصائح لسيرتك الذاتية

حدد التأثير على الأعمال بالأرقام

اذكر مقاييس أداء النموذج

أظهر خط الأنابيب الكامل

أدرج المنشورات والأبحاث

المهارات الرئيسية

كيف تكتب سيرة ذاتية لعالم بيانات احترافية

اكتب ملخصاً مهنياً مركّزاً

اكتب نقاط الخبرة العملية بأرقام واضحة

نظّم قسم المهارات التقنية بذكاء

أبرز مشاريعك ومحفظتك على Kaggle وGitHub

أضف التعليم والشهادات وراجع التوافق مع ATS

أمثلة على ملخصات مهنية لعالم بيانات

خريج حديث / عالم بيانات مبتدئ

عالم بيانات أول

متحول مهني من التحليل إلى علم البيانات

كلمات مفتاحية لسيرة عالم البيانات الذاتية (ATS)

Python

SQL

تعلم الآلة (Machine Learning)

التعلم العميق (Deep Learning)

PyTorch / TensorFlow

Spark

A/B Testing

النمذجة الإحصائية (Statistical Modeling)

NLP (معالجة اللغة الطبيعية)

نشر النماذج (Model Deployment / MLOps)

أمثلة: نقاط خبرة ضعيفة مقابل قوية

بناء نموذج تنبؤ بتسرب العملاء

عمل على خط أنابيب البيانات

اختبار A/B وتحليل لأصحاب المصلحة

الأسئلة الشائعة

أنشئ سيرتك الذاتية الآن

شاهد هذه السيرة الذاتية بلغات أخرى