CV Önizləməsi

Əli Həsənov

Baş Data Elmi

[email protected]+994 50 234 56 78Bakı, AzərbaycanB kateqoriya sürücülük vəsiqəsi

Peşəkar Xülasə

5 ildən çox təcrübəyə malik data elmi mütəxəssisi, pərakəndə satış, səhiyyə və bazar araşdırması sahələrində mürəkkəb biznes problemlərini həll etmək üçün maşın öyrənməsi, dərin öyrənmə və statistik analiz tətbiq edir. İllik gəliri 3.2 milyon dollar artıran və fırıldaqçılıq itkilərini 800 min dollar azaldan proqnozlaşdırıcı modellər qurub və yerləşdirib. Python, R, SQL və TensorFlow və PyTorch daxil olmaqla müasir ML çərçivələrində bacarıqlıdır, MLflow, Docker və AWS SageMaker istifadə edərək modellərin istehsala yerləşdirilməsində praktik təcrübəyə malikdir.

İş Təcrübəsi

Baş Data Elmi

DataTech Azerbaijan

Fev 2022 - Hal-hazırda

15 milyondan çox müştəri qeydində XGBoost və xüsusiyyət mühəndisliyi istifadə edərək müştəri itkisi proqnoz modeli qurdu, 92% dəqiqliyə nail oldu və təxmini 3.2 milyon dollar illik gəlir qənaət etdi
Əməkdaşlıq süzgəci və dərin öyrənmə yerləşdirmələri istifadə edərək məhsul tövsiyə mühərriki hazırladı, çarpaz satış konversiyasını 28% artırdı
Gündəlik 2 milyondan çox əməliyyatı emal edən real vaxt fırıldaqçılıq aşkarlama boru kəmərinin qurulmasında 3 data elmindən ibarət komandaya rəhbərlik etdi
MLflow, Docker və AWS SageMaker istifadə edərək modelləri istehsala yerləşdirdi, komandanın ilk standartlaşdırılmış ML yerləşdirmə boru kəmərini yaratdı

Data Elmi

HealthTech Analytics

İyun 2020 - Yan 2022

500 mindən çox şərhli tibbi qeyddə BERT incə tənzimləməsi istifadə edərək 95% F1 balı ilə klinik qeydlərin təsnifatı üçün NLP boru kəməri qurdu
4 məhsul komandası tərəfindən istifadə edilən Bayesian analizi ilə A/B test çərçivəsi yaratdı
Snowflake məlumat anbarına qoşulmuş Tableau-da interaktiv panellər dizayn etdi, icraçı hesabat vaxtını 75% azaltdı
Sağ qalma analizi istifadə edərək xəstələrin yenidən qəbul riski modeli hazırladı, 30 günlük yenidən qəbul nisbətlərini 12% azaltdı

Data Analitik

Market Insights Group

Avq 2018 - May 2020

Python, R və SQL istifadə edərək 10 milyondan çox qeydli istehlakçı davranışı məlumat dəstlərində statistik analiz apardı
Gradient boosting istifadə edərək proqnozlaşdırıcı qiymət modeli qurdu, marja dəqiqliyini 15% artırdı
Python və Airflow istifadə edərək aylıq hesabat boru kəmərini avtomatlaşdırdı, əl əməyini ayda 20 saat azaltdı
K-means klasterləmə istifadə edərək müştəri seqmentasiya analizi apardı, 2 milyon dollarlıq hədəfli marketinq kampaniyasına məlumat verdi

Təhsil

Statistika üzrə Magistr

Bakı Dövlət Universiteti

2016 - 2018

Tezis: 'Məhdud Resurslı Klinik NLP üçün Transfer Öyrənmə Yanaşmaları.' Bayesian nəticəçıxarma və yüksək ölçülü statistika üzrə kurslar.

Riyaziyyat üzrə Bakalavr

Azərbaycan Dövlət Neft və Sənaye Universiteti

2012 - 2016

Kompüter Elmləri üzrə əlavə ixtisas. Fərqlənmə diplomu ilə bitirmişdir. Hesablama statistikası üzrə tədqiqat.

Kurslar və Sertifikatlar

Dərin Öyrənmə İxtisaslaşması

Coursera / deeplearning.ai

2021

Neyron şəbəkələri, CNN, RNN, ardıcıllıq modelləri və hiperparametr tənzimləməsini əhatə edən 5 kursluq ixtisaslaşma.

AWS Certified Machine Learning - Specialty

Amazon Web Services

2023

Sertifikat ID: AWS-MLS-2023-7412

Data Science üçün səbəb nəticə analizi

Coursera / Columbia University

2022

Səbəb-nəticə analizi və eksperimental dizayn metodları

Dillər

Azərbaycan dili

Danışıq: Ana diliDinləmə: Ana diliYazı: Ana dili

İngilis dili

Danışıq: SərbəstDinləmə: SərbəstYazı: Sərbəst

Türk dili

Danışıq: SərbəstDinləmə: SərbəstYazı: Orta

Bacarıqlar

PythonRSQLTensorFlowPyTorchScikit-learnPandasTableauSparkNLPA/B TestingStatistical Modeling

Bu nümunə CV-dir. Pulsuz CV qurucumuzdan istifadə edərək öz təcrübənizlə fərdiləşdirin.

CV Məsləhətləri

Biznes Təsirini Kəmiyyətləndirin

Sadəcə 'model qurdum' deməyin. 'İllik 3.2 milyon dollar qənaət edən müştəri itkisi proqnoz modeli qurdum' deyin. Texniki işi işə götürən menecerlərin başa düşəcəyi biznes nəticələrinə çevirin.

Model Performans Metriklərini Qeyd Edin

Dəqiqlik, F1 balları, AUC-ROC və ya digər müvafiq metrikləri daxil edin. '92% dəqiqliyə nail oldum' modellərinizin həqiqətən işlədiyini sübut edir.

Tam Boru Kəmərini Göstərin

Data science modelləşdirmədən daha çox şeydir. Məlumatların təmizlənməsini, xüsusiyyət mühəndisliyini, yerləşdirməni və monitorinqi qeyd edin. Layihəni xam məlumatlardan istehsala apara biləcəyinizi göstərin.

Nəşrləri və Tədqiqatları Daxil Edin

Əgər dərc olunmuş məqalələriniz, konfrans çıxışlarınız və ya açıq mənbə töhfələriniz varsa, onları daxil edin. Onlar fikir liderliyi və dərin ekspertiza nümayiş etdirir.

Əsas Bacarıqlar

PythonRSQLMaşın ÖyrənməsiDərin Öyrənmə (TensorFlow/PyTorch)Statistik AnalizNLPA/B TestingMəlumat Vizuallaşdırması (Tableau)Spark/Big DataXüsusiyyət MühəndisliyiModel Yerləşdirməsi

Data Elmi CV-si Necə Yazılır: Addım-addım Bələdçi

Güclü data elmi CV-si sadəcə alətlərin siyahısı deyil — o, maşın öyrənməsi bacarıqlarınızın real biznes nəticələrinə necə çevrildiyini göstərir. Aşağıdakı 5 addım işə götürən menecerlərin və ATS sistemlərinin nəzərindən keçəcək CV yaratmağa kömək edəcək.

1. Güclü Peşəkar Xülasə Yazın

CV-nizin yuxarı hissəsindəki 3 sətirlik xülasə ilk təəssüratı yaradır. Səviyyənizi (junior, orta, baş data elmi), sahənizi (pərakəndə, səhiyyə, fintech) və əsas alət dəstinizi (Python, SQL, TensorFlow) qeyd edin, sonra bir konkret biznes nəticəsi ilə bitirin. Məsələn: '4 illik təcrübəyə malik data elmi, fintech sahəsində fırıldaqçılıq aşkarlama modelləri qurur; XGBoost əsaslı model itkiləri 800 min manat azaldıb.' Bu format işə götürən menecerə bir neçə saniyə ərzində kim olduğunuzu və hansı dəyər gətirdiyinizi göstərir.

2. İş Təcrübəsi Bulletlərini Rəqəmləşdirin

Hər bulleti fəaliyyət feli ilə başlayın, istifadə etdiyiniz metodu adlandırın və ölçülə bilən nəticə ilə bitirin. 'Modellər üzərində işlədim' əvəzinə: 'Gradient boosting istifadə edərək müştəri itkisi modeli qurdum, 15 min müştəri bazasında 91% dəqiqliyə çatdım və illik 450 min manat gəlir itkisinin qarşısını aldım.' Dəqiqlik, F1 balı, AUC-ROC, emal olunan məlumat həcmi, boru kəməri gecikməsi və ya A/B test nəticələri kimi konkret metriklər daxil edin — bunlar sizi digər namizədlərdən fərqləndirir.

3. Texniki Bacarıqlar Bölməsini Qruplaşdırın

Bacarıqlarınızı kateqoriyalara ayırın: proqramlaşdırma dilləri (Python, R, SQL), ML kitabxanaları (Scikit-learn, XGBoost, PyTorch, TensorFlow), data/infrastruktur (Spark, Airflow, dbt, AWS/GCP) və BI alətləri (Tableau, Power BI). Bu quruluş həm insan gözü, həm də ATS sistemləri üçün oxunaqlıdır. İş elanındakı dəqiq terminləri güzgüləyin — əgər elan 'PyTorch' yazırsa, 'dərin öyrənmə çərçivələri' əvəzinə birbaşa 'PyTorch' yazın.

4. Layihələr və Portfolio Əlavə Edin

Təcrübəniz azdırsa, Kaggle yarışmaları, GitHub-dakı notebook-lar və ya tam həyat dövrü layihələr (məlumat toplama → model → yerləşdirmə) bu boşluğu doldura bilər. Hər layihəni biznes çərçivəsi ilə təqdim edin: nəyi həll etdiniz, hansı metodu istifadə etdiniz və nəticə nə oldu. Bir istehsala yerləşdirilmiş model, on tənha notebook-dan daha güclü təəssürat yaradır — canlı demo linki və ya GitHub repo əlavə edin.

5. Təhsil, Sertifikatlar və Son ATS Yoxlamaları

Dərəcənizi (statistika, riyaziyyat, kompüter elmləri) və buludlu ML sertifikatlarını (AWS Certified Machine Learning, Google Professional ML Engineer) qeyd edin. Göndərmədən əvvəl: CV-ni tək sütunlu formatda saxlayın, cədvəl və qrafiklərdən çəkinin, PDF formatında yükləyin və şəkil əlavə etməyin (ATS onları oxuya bilmir). Bu sadə addımlar CV-nizin avtomatlaşdırılmış skrininqdən keçməsini təmin edir.

Data Elmi Peşəkar Xülasə Nümunələri

Aşağıdakı üç nümunəni öz təcrübənizə uyğunlaşdıraraq birbaşa istifadə edə bilərsiniz.

Junior / Yeni Məzun

Statistika üzrə bakalavr dərəcəsi və data elmi üzrə 6 aylıq təcrübə keçmiş məzun. Python, pandas və Scikit-learn istifadə edərək təsnifat modelləri qurmuşam, universitet layihəsində müştəri seqmentasiyası üçün K-means klasterləməsi tətbiq etmişəm. Staj müddətində A/B test analizini dəstəkləmişəm və nəticələri Tableau panellərində vizuallaşdırmışam. SQL sorğuları və məlumat təmizlənməsi bacarıqlarımı real layihələrdə inkişaf etdirmək istəyirəm.

Baş / Senior Data Elmi

8 ildən çox təcrübəyə malik baş data elmi, e-ticarət və fintech sahələrində maşın öyrənməsi platformaları qurur və 5 nəfərlik komandaya rəhbərlik edir. XGBoost, PyTorch və Spark istifadə edərək istehsal səviyyəli modellər yerləşdirmişəm, illik 4.5 milyon manat gəlir artırmışam. MLOps təcrübələrini tətbiq edərək model yerləşdirmə vaxtını 60% azaltmışam və kiçik data elmilərinə mentorluq edirəm.

Karyera Dəyişikliyi (Analitikadan Data Elminə)

5 il biznes analitiki kimi işlədikdən sonra SQL, Power BI və proqnozlaşdırma təcrübəmi maşın öyrənməsinə tərəf genişləndirmişəm. Python və Scikit-learn öyrənərək satış proqnozlaşdırma modeli qurmuşam, xəta faizini 18% azaltmışam. Statistik təhlil əsaslarım və biznes kontekstini anlama bacarığım texniki komandalarla effektiv əməkdaşlıq etməyimə imkan verir.

Data Elmi CV-si üçün ATS Açar Sözləri

İş elanının dəqiq terminlərini güzgüləyin — həm ATS sistemləri, həm də işə götürən menecerlər bu sözləri axtarır.

Python

Ən çox tələb olunan proqramlaşdırma dili — Texniki Bacarıqlar bölməsində və konkret layihələrdə qeyd edin.

SQL

Demək olar ki, hər data elmi vəzifəsində tələb olunur; hansı verilənlər bazası mühərriklərini (PostgreSQL, MySQL) istifadə etdiyinizi əlavə edin.

Machine Learning

Ümumi termini bir dəfə istifadə edin, sonra konkret metodları (XGBoost, random forest) sadalayın.

Deep Learning

Neyron şəbəkələri ilə iş görmüsünüzsə daxil edin, TensorFlow və ya PyTorch kimi konkret çərçivə ilə birlikdə.

PyTorch / TensorFlow

Hansı ML çərçivəsində daha güclü olduğunuzu konkret layihə nümunəsi ilə göstərin.

A/B Testing

Statistik hipotez testləri apardığınız təcrübəni qeyd edin, nümunə həcmi və nəticəni əlavə edin.

Statistical Modeling

Reqressiya, Bayesian nəticəçıxarma və ya sağ qalma analizi kimi konkret metodları adlandırın.

NLP

Mətn analizi, BERT və ya transformer modelləri ilə təcrübəniz varsa, konkret istifadə halını göstərin.

Spark / Big Data

Böyük məlumat dəstləri ilə işlədiyinizi göstərmək üçün emal etdiyiniz məlumat həcmini rəqəmlə qeyd edin.

Model Deployment / MLOps

Docker, MLflow, AWS SageMaker kimi alətlərlə modelləri istehsala apardığınızı göstərin — bu sizi 'yalnız notebook' data elmilərindən fərqləndirir.

Zəif və Güclü CV Bulletləri: Əvvəl/Sonra

Eyni işi necə təsvir etdiyiniz fərq yaradır. Aşağıda üç real nümunəyə baxın.

Model Qurma İşi (Müştəri İtkisi Modeli)

Müştəri itkisini proqnozlaşdırmaq üçün maşın öyrənməsi modeli üzərində işlədim.

XGBoost və xüsusiyyət mühəndisliyi istifadə edərək 15 min müştəri qeydində müştəri itkisi proqnoz modeli qurdum, 92% dəqiqliyə nail oldum və illik 3.2 milyon manat gəlir qənaət etdim.

Data Boru Kəməri / İnfrastruktur İşi

Hesabat üçün məlumat boru kəmərlərini idarə etdim.

Python və Airflow istifadə edərək gündəlik 2 milyon əməliyyatı emal edən avtomatlaşdırılmış ETL boru kəməri qurdum, əl əməyini ayda 25 saat azaltdım və hesabat gecikməsini 3 gündən 2 saata endirdim.

Eksperimentasiya / Maraqlı Tərəflərlə İş

Komandalarla A/B testləri üzərində əməkdaşlıq etdim.

4 məhsul komandası üçün Bayesian A/B test çərçivəsi hazırladım, statistik nəticələri icraçı heyətə təqdim etdim və nəticədə yeni checkout axınının qəbul edilməsinə səbəb oldum, konversiyanı 14% artırdım.

Tez-tez Verilən Suallar

Data elmi CV-si nəyi əhatə etməlidir?

Data elmi CV-si proqramlaşdırma bacarıqlarını (Python, R, SQL), maşın öyrənməsi çərçivələrini, statistik metodları, biznes təsiri metriklərini, təhsili (çox vaxt ali dərəcələr) və müvafiq layihələri və ya nəşrləri əhatə etməlidir. Modellərinizin və analizlərinizin ölçülə bilən nəticələrini vurğulayın.

Data science CV-si üçün magistr dərəcəsinə ehtiyacım varmı?

Bir çox data science iş elanları ali dərəcələrə üstünlük versə də, onlar həmişə tələb olunmur. Güclü layihə təcrübəsi, müvafiq sertifikatlar (AWS ML Specialty kimi) və nümayiş etdirilən biznes təsiri kompensasiya edə bilər.

Data elmi CV-mi ATS-dostu necə edə bilərəm?

Standart bölmə başlıqları istifadə edin, texnologiyaları adları ilə sadalayın (TensorFlow, 'ML çərçivələri' deyil), iş təsvirindən açar sözləri daxil edin və təmiz tək sütunlu format istifadə edin. Şəkillərdən, cədvəllərdən və ya qeyri-adi formatlamadan qaçının.

Pulsuz data elmi CV-si yarada bilərəmmi?

Bəli. NoBsResume gizli xərcləri olmadan 100% pulsuzdur. Texniki rollar üçün optimallaşdırılmış ATS-dostu şablon seçin, data science təcrübənizi əlavə edin və dərhal PDF olaraq yükləyin.

Data elmi CV şablonunu haradan pulsuz yükləyə bilərəm?

Bu səhifədəki nümunəni birbaşa NoBsResume-nin pulsuz qurucusunda redaktə edə bilərsiniz — qeydiyyat tələb olunmur. 3 ATS-dostu şablondan birini seçin, öz məlumatlarınızı daxil edin və CV-nizi bir neçə dəqiqədə PDF formatında yükləyin.

Təcrübəsiz (fresher) data elmi kimi necə CV yazmalıyam?

Təcrübə boşluğunu universitet layihələri, Kaggle yarışmaları və GitHub-dakı notebook-larla doldurun. Hər layihəni istifadə etdiyiniz metod və əldə etdiyiniz nəticə ilə (məsələn, '87% dəqiqlik') təsvir edin. Bu nümunəni pulsuz qurucuda açıb junior bölmələri öz layihələrinizlə əvəz edə bilərsiniz.

Data elmi CV-si Azərbaycan dilində, yoxsa ingilis dilində olmalıdır?

Bakıdakı beynəlxalq şirkətlər, IT hub-ları və uzaqdan işləyən data elmi vəzifələri üçün ingilis dilində CV üstünlük təşkil edir, çünki ML terminləri və alətlər ingiliscə standartlaşıb. Yerli dövlət qurumları və bəzi Azərbaycan şirkətləri üçün isə Azərbaycan dilində CV kifayətdir — mümkünsə hər iki versiyanı hazırlayın.

Data elmi CV-si nə qədər uzun olmalıdır?

5 ilədək təcrübəsi olan namizədlər üçün 1 səhifə kifayətdir. Baş data elmi və ya 8+ il təcrübəsi, nəşrləri olan namizədlər 2 səhifəyə qədər uzana bilər, amma hər sətir konkret nəticə göstərməlidir — doldurucu cümlələrdən qaçın.

Kaggle və GitHub linklərini CV-də göstərməliyəmmi?

Bəli, xüsusən təcrübəniz məhdudsa. Əlaqə məlumatları bölməsinə GitHub və Kaggle profil linklərini əlavə edin, amma yalnız təmiz, sənədləşdirilmiş və tamamlanmış layihələri göstərin — 20 boş repo əvəzinə 3 güclü layihə daha yaxşı təəssürat yaradır.

Data elmi CV-si ilə data analitik CV-si arasında fərq nədir?

Data elmi CV-si maşın öyrənməsi modellərini, dərin öyrənməni və proqnozlaşdırıcı statistik metodları vurğulayır və modellərin biznes təsirini kəmiyyətləndirir. Data analitik CV-si isə SQL sorğuları, panellər (Tableau, Power BI) və təsviri hesabatlara diqqət yetirir. Vəzifə elanına uyğun olaraq düzgün terminologiyanı seçin.

CV-nizi İndi Qurun

Bu nümunəni ilham mənbəyi kimi istifadə edin. Öz təcrübənizlə fərdiləşdirin və dəqiqələr ərzində peşəkar PDF yükləyin. 100% pulsuz.

Qurmağa Başlayın

Bu CV-ni Digər Dillərdə Görün

Bu CV nümunəsi 63 dildə mövcuddur:

Data Elmi CV Nümunəsi

CV Önizləməsi

Peşəkar Xülasə

İş Təcrübəsi

Baş Data Elmi

Data Elmi

Data Analitik

Təhsil

Statistika üzrə Magistr

Riyaziyyat üzrə Bakalavr

Kurslar və Sertifikatlar

Dərin Öyrənmə İxtisaslaşması

AWS Certified Machine Learning - Specialty

Data Science üçün səbəb nəticə analizi

Dillər

Azərbaycan dili

İngilis dili

Türk dili

Bacarıqlar

CV Məsləhətləri

Biznes Təsirini Kəmiyyətləndirin

Model Performans Metriklərini Qeyd Edin

Tam Boru Kəmərini Göstərin

Nəşrləri və Tədqiqatları Daxil Edin

Əsas Bacarıqlar

Data Elmi CV-si Necə Yazılır: Addım-addım Bələdçi

1. Güclü Peşəkar Xülasə Yazın

2. İş Təcrübəsi Bulletlərini Rəqəmləşdirin

3. Texniki Bacarıqlar Bölməsini Qruplaşdırın

4. Layihələr və Portfolio Əlavə Edin

5. Təhsil, Sertifikatlar və Son ATS Yoxlamaları

Data Elmi Peşəkar Xülasə Nümunələri

Junior / Yeni Məzun

Baş / Senior Data Elmi

Karyera Dəyişikliyi (Analitikadan Data Elminə)

Data Elmi CV-si üçün ATS Açar Sözləri

Python

SQL

Machine Learning

Deep Learning

PyTorch / TensorFlow

A/B Testing

Statistical Modeling

NLP

Spark / Big Data

Model Deployment / MLOps

Zəif və Güclü CV Bulletləri: Əvvəl/Sonra

Model Qurma İşi (Müştəri İtkisi Modeli)

Data Boru Kəməri / İnfrastruktur İşi

Eksperimentasiya / Maraqlı Tərəflərlə İş

Tez-tez Verilən Suallar

CV-nizi İndi Qurun

Bu CV-ni Digər Dillərdə Görün