Georgian flag

მონაცემთა მეცნიერის რეზიუმეს მაგალითი

ქართული

ნახეთ, როგორ ხაზს უსვამს პროფესიონალური მონაცემთა მეცნიერის რეზიუმე მანქანურ სწავლებას, სტატისტიკურ ანალიზსა და მონაცემებზე დაფუძნებულ ბიზნეს შედეგებს. მოარგეთ ეს მაგალითი თქვენს გამოცდილებას.

დაიწყეთ თქვენი რეზიუმეს შექმნა

რეზიუმეს გადახედვა

გიორგი ბერიძე - პროფილის ფოტო

გიორგი ბერიძე

უფროსი მონაცემთა მეცნიერი

[email protected]+995 555 12 34 56რუსთაველის გამზ. 24, 0108 თბილისი, საქართველოB კატეგორიის მართვის მოწმობა

პროფესიული რეზიუმე

მონაცემთა მეცნიერი 5+ წლიანი გამოცდილებით მანქანურ სწავლებაში, სტატისტიკაში და Python-ში. შექმნა პროგნოზირებადი მოდელები, რომლებმაც გაზარდა შემოსავალი $3.2 მილიონით და შეამცირა თაღლითობის ზარალი $800 ათასით. პროფესიონალი Python-ში, R-ში, SQL-ში, TensorFlow-სა და PyTorch-ში. გამოქვეყნებული მკვლევარი ბუნებრივი ენის დამუშავების (NLP) სფეროში.

სამუშაო გამოცდილება

უფროსი მონაცემთა მეცნიერი

RetailAI Corp

თებ. 2022 – დღემდე

  • შეიმუშავა კლიენტების გადინების პროგნოზირების მოდელი, რომელმაც ენსემბლ მეთოდებით დაზოგა $3.2 მილიონი წელიწადში
  • ხელმძღვანელობდა 4 მონაცემთა მეცნიერის გუნდს რეალურ დროში რეკომენდაციის სისტემის დანერგვისას, რამაც 28%-ით გაზარდა ჯვარედინი გაყიდვების შემოსავალი
  • ოპტიმიზებულ იქნა ფასწარმოქმნის სტრატეგია კაუზალური დასკვნის გამოყენებით, რამაც მარჟა 15%-ით გააუმჯობესა

მონაცემთა მეცნიერი

HealthTech Analytics

ივნ. 2020 – იან. 2022

  • შექმნა თაღლითობის აღმოჩენის მოდელი, რომელმაც 40%-ით შეამცირა ცრუ პრეტენზიები და დაზოგა $800 ათასი წელიწადში
  • დანერგა NLP კონვეიერი პაციენტთა უკუკავშირის ანალიზისთვის სენტიმენტის კლასიფიკაციის 92% სიზუსტით
  • დააპროექტა A/B ტესტები ახალი პროდუქტის ფუნქციებისთვის, რამაც 18%-ით გაზარდა მომხმარებლის ჩართულობა

მონაცემთა ანალიტიკოსი

Market Insights Group

აგვ. 2018 – მაი. 2020

  • ავტომატიზებულ იქნა ანგარიშგება Python-ისა და SQL-ის გამოყენებით, რამაც 60%-ით შეამცირა ანგარიშგების დრო
  • შექმნა ინტერაქტიული დეშბორდები Tableau-ში KPI-ების თვალყურის დევნებისთვის, რომელსაც 50-ზე მეტი დაინტერესებული პირი იყენებდა
  • ჩაატარა კლიენტების სეგმენტაციის ანალიზი, რომელმაც 35%-ით გააუმჯობესა მარკეტინგული კამპანიების მიზანმიმართულობა

განათლება

მაგისტრის ხარისხი სტატისტიკაში

ივანე ჯავახიშვილის სახელობის თბილისის სახელმწიფო უნივერსიტეტი

2016 - 2018

სპეციალიზაცია მანქანურ სწავლებასა და სტატისტიკურ მოდელირებაში.

ბაკალავრის ხარისხი მათემატიკაში

საქართველოს ტექნიკური უნივერსიტეტი

2012 - 2016

შესაბამისი კურსები: წრფივი ალგებრა, ალბათობის თეორია, რიცხვითი მეთოდები.

კურსები და სერტიფიკატები

Deep Learning Specialization

Coursera / deeplearning.ai

2021

ნერვული ქსელების, CNN-ების, RNN-ებისა და თანმიმდევრობის მოდელების სპეციალიზაცია.

AWS Certified Machine Learning – Specialty

AWS

2023

სერტიფიკატის ID: AWS-MLS-2023-7412

Causal Inference for Data Science

Coursera / Columbia

2022

კურსი კაუზალური დასკვნის, A/B ტესტირებისა და ექსპერიმენტული დიზაინის შესახებ.

ენები

ქართული

ლაპარაკი: მშობლიურიმოსმენა: მშობლიურიწერა: მშობლიური

ინგლისური

ლაპარაკი: თავისუფლადმოსმენა: თავისუფლადწერა: თავისუფლად

რუსული

ლაპარაკი: საშუალომოსმენა: საშუალოწერა: საშუალო

უნარები

PythonRSQLTensorFlowPyTorchScikit-learnPandasTableauSparkNLPA/B TestingStatistical Modeling

ეს არის სანიმუშო რეზიუმე. მოარგეთ იგი თქვენს გამოცდილებას ჩვენი უფასო რეზიუმეს შემქმნელის გამოყენებით.

რეზიუმეს რჩევები

რაოდენობრივად შეაფასეთ ბიზნესზე გავლენა

არ თქვათ უბრალოდ 'შევქმენი მოდელი'. თქვით 'შევქმენი კლიენტების გადინების პროგნოზირების მოდელი, რომელიც წელიწადში $3.2 მილიონს ზოგავს'. ტექნიკური სამუშაო ბიზნეს შედეგებად გარდაქმენით.

მიუთითეთ მოდელის წარმადობის მეტრიკები

ჩართეთ სიზუსტე, F1 ქულები, AUC-ROC. '92% სიზუსტის მიღწევა' ამტკიცებს, რომ თქვენი მოდელები მუშაობს.

აჩვენეთ სრული კონვეიერი

მონაცემთა მეცნიერება მხოლოდ მოდელირება არ არის. ახსენეთ მონაცემთა გასუფთავება, ფუნქციების ინჟინერია, დანერგვა და მონიტორინგი.

ჩართეთ პუბლიკაციები და კვლევა

გამოქვეყნებული სტატიები, კონფერენციის მოხსენებები და ღია კოდის წვლილი აზროვნების ლიდერობას ავლენს.

ძირითადი უნარები

PythonRSQLმანქანური სწავლებაღრმა სწავლება (TensorFlow/PyTorch)სტატისტიკური ანალიზიNLPA/B ტესტირებამონაცემთა ვიზუალიზაცია (Tableau)Spark/დიდი მონაცემებიფუნქციების ინჟინერიამოდელის დანერგვა

როგორ დავწეროთ მონაცემთა მეცნიერის რეზიუმე

მონაცემთა მეცნიერის რეზიუმე უნდა ამტკიცებდეს ორ რამეს ერთდროულად — რომ თქვენ გესმით მოდელირების მათემატიკა და რომ თქვენი მუშაობა რეალურ ბიზნეს შედეგებში გარდაიქმნება. ქვემოთ მოცემული 5 ნაბიჯი მიჰყვება იმ სტრუქტურას, რომელსაც თბილისში და უცხოურ კომპანიებში მომუშავე დამქირავებლები ყველაზე ხშირად ეძებენ.

1

დაწერეთ 3-ხაზიანი პროფესიული რეზიუმე

პირველივე სამ წინადადებაში ჩაწერეთ თქვენი დონე (junior/მთავარი/senior), სფერო, სადაც მუშაობდით (e-commerce, ფინტექი, ჯანდაცვა) და მთავარი ხელსაწყოები (Python, SQL, PyTorch და ა.შ.). დაამატეთ ერთი კონკრეტული ბიზნეს შედეგი რიცხვით — მაგალითად, 'შევქმენი გადინების პროგნოზირების მოდელი, რომელმაც შემოსავალი $3.2 მილიონით გაზარდა'. რეკრუტერი ამ სამ ხაზზე 6-8 წამს ხარჯავს, ამიტომ ბუნდოვანი ფრაზები, როგორიცაა 'მონდომებული ანალიტიკოსი', არაფერს არ ამტკიცებს.

2

აღწერეთ სამუშაო გამოცდილება რიცხვებით და მეტრიკებით

ყოველი პუნქტი დაიწყეთ ქმედების ზმნით და დაასრულეთ ბიზნეს შედეგით ან მოდელის მეტრიკით: სიზუსტე, AUC-ROC, F1 ქულა, დამუშავებული მონაცემის მოცულობა, latency ან A/B ტესტის შედეგი. მაგალითი: 'დანერგა XGBoost მოდელი კლიენტების სეგმენტაციისთვის, AUC 0.89-მდე, რამაც მარკეტინგის ROI 22%-ით გაზარდა'. მოერიდეთ ისეთ ფრაზებს, როგორიცაა 'ვმონაწილეობდი მოდელის შექმნაში' — მაჩვენეთ, ვინ იყავით ამ პროექტში და რა შედეგი მოჰყვა.

3

დააჯგუფეთ ტექნიკური უნარები ვაკანსიის მიხედვით

დაყავით უნარები კატეგორიებად: ენები (Python, R, SQL), ML ბიბლიოთეკები (Scikit-learn, XGBoost, PyTorch, TensorFlow), მონაცემთა ინფრასტრუქტურა (Spark, Airflow, dbt, AWS/GCP) და BI ხელსაწყოები (Tableau, Power BI, Looker). გადაამოწმეთ ვაკანსიის აღწერილობა და გამოიყენეთ ზუსტად იგივე ტერმინოლოგია — ATS სისტემები საკვანძო სიტყვებს ზუსტი დამთხვევით ეძებენ, არა სინონიმებით.

4

დაამატეთ Kaggle და GitHub პროექტები

თუ სამუშაო გამოცდილება მცირეა, 2-3 ბოლომდე დასრულებული პროექტი (არა უბრალო notebook-ები) აჩვენებს, რომ შეგიძლიათ იდეა წარმოებაში მიიყვანოთ. აღწერეთ ბიზნეს პრობლემა, გამოყენებული მეთოდი და შედეგი — ერთი დანერგილი მოდელი ღირს ათ Kaggle კონკურსზე მეტს. მიუთითეთ GitHub-ის ბმული სუფთა კოდით და README-ით, ასევე Kaggle-ის რეიტინგი, თუ საკმაოდ მაღალია.

5

განათლება, სერტიფიკატები და ATS შემოწმება

მიუთითეთ ხარისხი, სასწავლებელი და შესაბამისი კურსები (სტატისტიკა, წრფივი ალგებრა, ალგორითმები), შემდეგ დაამატეთ ღრუბლოვანი ML სერტიფიკატები (AWS, GCP, Azure). საბოლოოდ გადაამოწმეთ: ერთი სვეტი, სტანდარტული სექციების სახელები, PDF ფორმატი, ცხრილების, გრაფიკებისა და სურათების გარეშე — ეს ელემენტები ATS სისტემას აბნევს და ტექსტს არასწორად კითხულობს.

მონაცემთა მეცნიერის რეზიუმეს პროფესიული შეჯამების მაგალითები

აირჩიეთ თქვენს დონესთან ახლოს მდგომი მაგალითი და მოარგეთ იგი საკუთარ ხელსაწყოებსა და შედეგებს.

ახალბედა / ახლახან დამთავრებული

სტატისტიკის ბაკალავრი, სპეციალიზაცია მანქანურ სწავლებაში. სტაჟირების დროს ავაშენე მომხმარებელთა გადინების პროგნოზირების მოდელი Python-ში (pandas, scikit-learn), რომელმაც 78% სიზუსტე მიაღწია. მონაწილეობა მივიღე A/B ტესტების დაგეგმვასა და ანალიზში საიტის ახალი ფუნქციისთვის. თავისუფლად ვფლობ SQL-ს, Python-სა და Tableau-ს, ვეძებ junior მონაცემთა მეცნიერის პოზიციას.

უფროსი

მონაცემთა მეცნიერი 7+ წლიანი გამოცდილებით ML პლატფორმების აშენებასა და გუნდის მართვაში. დანერგილი XGBoost და PyTorch მოდელები, რომლებმაც $5 მილიონზე მეტი შემოსავალი გამოიმუშავეს რეკომენდაციისა და ფასწარმოქმნის სისტემებში. ვხელმძღვანელობ 5 კაციან გუნდს, ვაწესებ MLOps პროცესებს Spark-სა და Airflow-ზე დაფუძნებულ პაიპლაინებში. ვმენტორობ junior მეცნიერებს და ვთანამშრომლობ პროდუქტისა და აღმასრულებელ გუნდებთან.

კარიერის შემცვლელი (ანალიტიკიდან/კვლევიდან)

5 წლიანი გამოცდილება ბიზნეს ანალიტიკოსად SQL-სა და Power BI-ზე დაფუძნებული ანგარიშგებით, ბოლო წელი დავუთმე მანქანური სწავლების გადამზადებას (Coursera, Python, scikit-learn). დამოუკიდებლად ავაშენე ფასთა პროგნოზირების მოდელი პორტფოლიოსთვის (R², 0.84). ვეძებ როლს, სადაც ჩემი ბიზნეს ინტუიცია და ახალი ML უნარები ერთად იმუშავებს.

ATS საკვანძო სიტყვები მონაცემთა მეცნიერის რეზიუმესთვის

გაიმეორეთ ვაკანსიის განცხადებაში გამოყენებული ზუსტი ტერმინოლოგია — ATS სისტემა და რეკრუტერიც ერთსა და იმავე სიტყვებს ეძებენ.

Machine Learning

ჩაწერეთ როგორც ტექნიკურ უნარებში, ისე კონკრეტულ პროექტში, სად და როგორ გამოიყენეთ.

Python

დაასახელეთ ბიბლიოთეკებიც (pandas, NumPy, scikit-learn) — უბრალო 'Python' ნაკლებად დამაჯერებელია.

SQL

თუ წერთ complex queries-ს ან window functions-ს, ეს ცალკე აღნიშნეთ — ბაზისურ SQL-ს ბევრი აცხადებს.

Deep Learning

მიუთითეთ ფრეიმვორკი (TensorFlow ან PyTorch) და ამოცანის ტიპი (CV, NLP).

A/B Testing

აღწერეთ ერთი კონკრეტული ტესტი და მისი გავლენა კონვერსიაზე ან შემოსავალზე.

Statistical Modeling

ჩამოთვალეთ მეთოდები — რეგრესია, ჰიპოთეზების ტესტირება, ბაიესის ანალიზი.

NLP

მიუთითეთ კონკრეტული ამოცანა — სენტიმენტის ანალიზი, ტექსტის კლასიფიკაცია, LLM-ები.

MLOps

ეს სიტყვა აჩვენებს, რომ თქვენი მოდელები production-ში მიდის, არა მხოლოდ notebook-ში.

Data Pipeline

ჩართეთ ხელსაწყოები (Airflow, dbt, Spark) და მონაცემთა მოცულობა, თუ შთამბეჭდავია.

Stakeholder Communication

ერთი წინადადებით აჩვენეთ, როგორ აუხსენით ტექნიკური შედეგი არა-ტექნიკურ გუნდს.

სუსტი და ძლიერი პუნქტების შედარება

ერთი და იგივე სამუშაო შეიძლება ორნაირად აღიწეროს — შედარეთ, რომელი ვერსია გადმოსცემს რეალურ გავლენას.

მოდელის აშენება (გადინების პროგნოზირება)

ავაშენე მანქანური სწავლების მოდელი კლიენტების გადინების პროგნოზირებისთვის.

დანერგა ენსემბლ მოდელი (XGBoost + Random Forest) კლიენტების გადინების პროგნოზირებისთვის, 0.91 AUC მაჩვენებლით, რამაც შენარჩუნების კამპანიის ROI 32%-ით გაზარდა და $3.2 მილიონი დაზოგა წელიწადში.

მონაცემთა ინფრასტრუქტურა

ვმუშაობდი მონაცემთა პაიპლაინებზე Airflow-ის გამოყენებით.

დააპროექტა და ავტომატიზირა 12 ETL პაიპლაინი Airflow-სა და Spark-ზე, ყოველდღიური 4TB მონაცემის დამუშავებით, დაგვიანების 65%-ით შემცირებით და მონაცემთა შეცდომების თითქმის სრული აღმოფხვრით.

ექსპერიმენტირება და დაინტერესებულ პირებთან კომუნიკაცია

ჩავატარე A/B ტესტები და წარვუდგინე შედეგები გუნდს.

დააპროექტა და გაანალიზა 8 A/B ტესტი ახალი checkout ნაკადისთვის, სტატისტიკურად სარწმუნო 14%-იანი კონვერსიის ზრდის აღმოჩენით, შედეგები პროდუქტისა და აღმასრულებელ გუნდს ვიზუალიზაციებით წარუდგინა.

ხშირად დასმული კითხვები

რა უნდა შეიცავდეს მონაცემთა მეცნიერის რეზიუმე?

მონაცემთა მეცნიერის რეზიუმე უნდა შეიცავდეს პროფესიულ რეზიუმეს გაზომვადი მიღწევებით, ტექნიკურ უნარებს (Python, R, SQL, მანქანური სწავლების ფრეიმვორკები), სამუშაო გამოცდილებას კონკრეტული შედეგებით, განათლებას, შესაბამის სერტიფიკატებსა და პუბლიკაციებს. აქცენტი თქვენი პროექტების ბიზნესზე გავლენაზე უნდა იყოს.

მჭირდება მაგისტრის ხარისხი მონაცემთა მეცნიერის რეზიუმესთვის?

მაგისტრის ხარისხი სავალდებულო არ არის, მაგრამ შეიძლება უპირატესობა იყოს. ბევრ წარმატებულ მონაცემთა მეცნიერს აქვს ბაკალავრის ხარისხი, შევსებული სერტიფიკატებითა და პრაქტიკული გამოცდილებით. პროექტებზე, უნარებსა და გაზომვად შედეგებზე ფოკუსირება შეიძლება აანაზღაუროს მაღალი ხარისხის არარსებობა.

როგორ გავხადო ჩემი მონაცემთა მეცნიერის რეზიუმე ATS-თან თავსებადი?

გამოიყენეთ სამუშაო აღწერილობის საკვანძო სიტყვები, ნათლად ჩამოაყალიბეთ ტექნიკური უნარები, გამოიყენეთ სტანდარტული სექციების სახელები, თავი აარიდეთ რთულ ფორმატირებასა და გრაფიკას და გამოიყენეთ გავრცელებული ფაილის ფორმატები. ჩართეთ კონკრეტული ხელსაწყოები და ტექნოლოგიები, როგორიცაა Python, TensorFlow და SQL.

შემიძლია მონაცემთა მეცნიერის რეზიუმე უფასოდ შევქმნა?

დიახ! ჩვენი უფასო რეზიუმეს შემქმნელი საშუალებას გაძლევთ შექმნათ პროფესიული მონაცემთა მეცნიერის რეზიუმე. გამოიყენეთ ეს მაგალითი ინსპირაციისთვის, მოარგეთ თქვენს გამოცდილებას და ჩამოტვირთეთ პროფესიული PDF რამდენიმე წუთში.

სად შემიძლია ჩამოვტვირთო მონაცემთა მეცნიერის რეზიუმეს შაბლონი?

ამ გვერდზე ნაჩვენები მაგალითი უშუალოდ NoBsResume-ის უფასო შემქმნელშია ჩაშენებული — 'დაიწყეთ თქვენი რეზიუმეს შექმნას' დაჭერით გახსნით მას რედაქტირებადი ფორმით, 3 ATS-თან თავსებადი შაბლონით. ცალკე ფაილის ჩამოტვირთვა არ არის საჭირო — თქვენი მონაცემებით შეავსებთ და პირდაპირ PDF-ად გადმოწერთ, რეგისტრაციის გარეშე.

როგორ დავწერო მონაცემთა მეცნიერის რეზიუმე გამოცდილების გარეშე?

ფოკუსი გადაიტანეთ განათლებაზე, სასწავლო პროექტებზე და Kaggle/GitHub პორტფოლიოზე. აღწერეთ 2-3 დასრულებული პროექტი ბიზნეს ჩარჩოში — რა პრობლემა გადაწყვიტეთ, რომელი მეთოდი გამოიყენეთ და რა შედეგი მიიღეთ. სტაჟირება, უნივერსიტეტის კვლევითი პროექტები და ონლაინ სერტიფიკატები (Coursera, AWS) ავსებენ გამოცდილების ნაკლებობას.

მონაცემთა მეცნიერის CV ინგლისურად უნდა დავწერო თუ ქართულად?

თბილისში საერთაშორისო ტექ კომპანიებში, აუთსორსინგ ფირმებსა და დისტანციურ ვაკანსიებზე ინგლისური CV თითქმის სავალდებულოა, რადგან გუნდები ხშირად საერთაშორისოა. ადგილობრივი ბანკების, სახელმწიფო სექტორისა და ქართული კომპანიებისთვის ქართული რეზიუმე სავსებით საკმარისია. თუ არ იცით ვისთვის წერთ, ორივე ვერსია მოამზადეთ.

რამდენი გვერდი უნდა იყოს მონაცემთა მეცნიერის რეზიუმე?

1 გვერდი საკმარისია junior და 3-5 წლამდე გამოცდილების მქონე კანდიდატებისთვის, ხოლო 7+ წლიანი გამოცდილებით, მართვის როლებით ან პუბლიკაციებით — 2 გვერდი დასაშვებია. მთავარია, ყოველი ხაზი ბიზნეს შედეგს ან ტექნიკურ სიღრმეს ამტკიცებდეს — ცარიელი ადგილის შესავსებად დამატებული წინადადებები მხოლოდ აზიანებს.

საჭიროა თუ არა Kaggle და GitHub ბმულების ჩართვა?

დიახ, თუ თქვენი პროფილი აქტიურია — ეს დამქირავებელს რეალურ კოდზე წვდომას აძლევს, არა მხოლოდ ტექსტს. ჩართეთ 1-2 საუკეთესო პროექტის ბმული README-ით და ნათელი აღწერით, არა მთელი პროფილის ისტორია. თუ Kaggle რეიტინგი დაბალია ან პროფილი ძველია, უმჯობესია საერთოდ არ ახსენოთ.

რითი განსხვავდება მონაცემთა მეცნიერისა და მონაცემთა ანალიტიკოსის რეზიუმე?

მონაცემთა ანალიტიკოსის რეზიუმე ხაზს უსვამს ანგარიშგებას, SQL-ს, დეშბორდებსა და აღწერით ანალიზს. მონაცემთა მეცნიერის რეზიუმეს კი სჭირდება მანქანური სწავლების მოდელები, სტატისტიკური ინფერენცია, Python/R პროგრამირება და ხშირად პროდუქციაში დანერგვის გამოცდილება. თუ ორივეს აკეთებთ, აირჩიეთ ის სათაური და აქცენტი, რომელიც კონკრეტულ ვაკანსიას შეესაბამება.

შექმენით თქვენი რეზიუმე ახლავე

გამოიყენეთ ეს მაგალითი ინსპირაციისთვის. მოარგეთ თქვენს გამოცდილებას და ჩამოტვირთეთ პროფესიული PDF რამდენიმე წუთში. 100% უფასო.

დაიწყეთ თქვენი რეზიუმეს შექმნა

იხილეთ ეს რეზიუმე სხვა ენებზე

ეს რეზიუმეს მაგალითი ხელმისაწვდომია 63 ენაზე:

English flagEnglishSpanish flagSpanishFrench flagFrenchGerman flagGermanItalian flagItalianPolish flagPolishUkrainian flagUkrainianPortuguese flagPortugueseDutch flagDutchCzech flagCzechSwedish flagSwedishHungarian flagHungarianBulgarian flagBulgarianNorwegian flagNorwegianDanish flagDanishFinnish flagFinnishSlovak flagSlovakCroatian flagCroatianSerbian flagSerbianLithuanian flagLithuanianSlovenian flagSlovenianLatvian flagLatvianEstonian flagEstonianAlbanian flagAlbanianMacedonian flagMacedonianBelarusian flagBelarusianIcelandic flagIcelandicGreek flagGreekTurkish flagTurkishRomanian flagRomanianRussian flagRussianChinese (Simplified) flagChinese (Simplified)Chinese (Traditional) flagChinese (Traditional)Japanese flagJapaneseKorean flagKoreanVietnamese flagVietnameseThai flagThaiIndonesian flagIndonesianMalay flagMalayFilipino flagFilipinoBurmese flagBurmeseKhmer flagKhmerLao flagLaoHindi flagHindiBengali flagBengaliTamil flagTamilTelugu flagTeluguMarathi flagMarathiGujarati flagGujaratiKannada flagKannadaMalayalam flagMalayalamPunjabi flagPunjabiSinhala flagSinhalaArabic flagArabicPersian flagPersianUrdu flagUrduHebrew flagHebrewUzbek flagUzbekAzerbaijani flagAzerbaijaniTurkmen flagTurkmenMongolian flagMongolianTibetan flagTibetan