Pažiūrėkite, kaip profesionalus duomenų mokslininko CV demonstruoja mašininio mokymosi ekspertizę, statistinę analizę ir verslo poveikį. Pritaikykite pagal savo patirtį.
Duomenų mokslininkas su daugiau nei 5 metų patirtimi taikant mašininį mokymąsi, gilųjį mokymąsi ir statistinę analizę sprendžiant sudėtingas verslo problemas mažmeninės prekybos, sveikatos priežiūros ir rinkos tyrimų srityse. Sukūrė ir įdiegė prognozavimo modelius, kurie padidino metines pajamas $3.2M ir sumažino sukčiavimo nuostolius $800K. Puikiai moka Python, R, SQL ir šiuolaikines ML sistemas, įskaitant TensorFlow ir PyTorch. Publikuotas tyrėjas su 2 recenzuotais straipsniais apie NLP ACL ir EMNLP konferencijose.
Darbo Patirtis
Vyresnysis duomenų mokslininkas
RetailAI Corp.
2022 m. vasaris - dabartinis
Sukūrė klientų atsisakymo prognozavimo modelį naudojant XGBoost ir požymių inžineriją 15M+ klientų įrašuose, pasiekdamas 92% tikslumą ir sutaupydamas apytiksliai $3.2M metinių pajamų
Sukūrė produktų rekomendacijų variklį naudojant bendradarbiavimo filtravimą ir gilaus mokymosi įterpimus, padidindamas kryžminį pardavimą 28%
Vadovavo 3 duomenų mokslininkų komandai kuriant realaus laiko sukčiavimo aptikimo konvejerį, apdorojantį 2M+ operacijų per dieną su 97.5% tikslumo rodikliu
Įdiegė modelius į gamybą naudojant MLflow, Docker ir AWS SageMaker, sukurdamas komandos pirmąjį standartizuotą ML diegimo konvejerį
Pristatė ketvirtinius modelių veikimo apžvalgas ir verslo poveikio analizes aukščiausio lygio vadovams, tiesiogiai paveikdamas $5M+ strateginius investicijų sprendimus
Duomenų mokslininkas
HealthTech Analytics
2020 m. birželis - 2022 m. sausis
Sukūrė NLP konvejerį klinikinių užrašų klasifikavimui su 95% F1 rodikliu, naudojant BERT tikslų derinimą 500K+ anotuotų medicininių įrašų
Sukūrė A/B testavimo sistemą su Bajeso analize, naudojamą 4 produktų komandose, standartizuojant eksperimentus ir atliekant 30+ eksperimentų per ketvirtį
Suprojektavo interaktyvias prietaisų skydelius Tableau, prijungtus prie Snowflake duomenų saugyklos, sumažindamas vadovų ataskaitų rengimo laiką 75%
Sukūrė pacientų pakartotinio hospitalizavimo rizikos modelį naudojant išgyvenimo analizę, sumažindamas 30 dienų pakartotinio hospitalizavimo rodiklį 12%
Duomenų analitikas
Market Insights Group
2018 m. rugpjūtis - 2020 m. gegužė
Atliko statistinę analizę vartotojų elgesio duomenų rinkiniams su 10M+ įrašų naudojant Python, R ir SQL, identifikuodamas pagrindines rinkos tendencijas
Sukūrė prognozavimo kainų modelį naudojant gradientinį stiprinimą, pagerindamas pelno tikslumą 15% 3 produktų kategorijose
Automatizavo mėnesinių ataskaitų konvejerį naudojant Python ir Airflow, sumažindamas rankinį darbą 20 valandų per mėnesį ir pašalindamas duomenų įvedimo klaidas
Atliko klientų segmentacijos analizę naudojant k-means klasterizavimą, informuodamas $2M tikslinę rinkodaros kampaniją, kuri pasiekė 22% didesnį ROI nei ankstesnės kampanijos
Išsilavinimas
Statistikos magistro laipsnis (M.S.)
Vilniaus universitetas
2016 - 2018
Magistro darbas: 'Perkėlimo mokymosi metodai mažo ištekliaus klinikinio NLP.' Kursai apėmė Bajeso išvedimą, priežastinį išvedimą ir aukštos dimensijos statistiką.
Matematikos bakalauro laipsnis (B.S.)
Kauno technologijos universitetas
2012 - 2016
Šalutinė specialybė kompiuterių moksle. Baigė su pagyrimu. Bakalauro tyrimas skaičiuojamojoje statistikoje.
Tai pavyzdinis CV. Naudokite nemokamą CV kūrimo įrankį, kad pritaikytumėte pagal savo patirtį.
CV patarimai
Kiekybiškai įvertinkite verslo poveikį
Nesakykite tiesiog 'sukūriau modelį'. Sakykite 'Sukūriau atsisakymo prognozavimo modelį, sutaupantį $3.2M per metus'. Paverskite techninį darbą verslo rezultatais, kuriuos supranta įdarbinimo vadovai.
Nurodykite modelio veikimo rodiklius
Įtraukite tikslumą, F1 rodiklius, AUC-ROC ar kitus svarbius rodiklius. 'Pasiektas 92% tikslumas' įrodo, kad jūsų modeliai tikrai veikia.
Parodykite visą konvejerį
Duomenų mokslas yra daugiau nei modeliavimas. Paminėkite duomenų valymą, požymių inžineriją, diegimą ir stebėjimą. Parodykite, kad galite projektą nuvesti nuo neapdorotų duomenų iki gamybos.
Įtraukite publikacijas ir tyrimus
Jei turite publikuotų straipsnių, konferencijų pranešimų ar atvirojo kodo indėlių, įtraukite juos. Jie demonstruoja minties lyderystę ir gilią ekspertizę.
Duomenų mokslininko CV turi per kelias sekundes įrodyti, kad mokate paversti duomenis verslo sprendimais, o ne tik išvardyti algoritmų pavadinimus. Žemiau – penki žingsniai, kaip sudėlioti CV, kurį pastebės ir įdarbinimo vadovas, ir ATS sistema.
1
Profesinė santrauka trimis sakiniais
Santrauka – pirmos trys eilutės, kurias perskaito darbdavys, todėl jose turi tilpti patirties lygis, sritis (mažmena, FinTech, sveikatos priežiūra) ir pagrindiniai įrankiai bei bent vienas verslo poveikio skaičius. Pavyzdys: 'Duomenų mokslininkas su 4 metų patirtimi kuriant prognozavimo modelius FinTech sektoriuje. Specializacija: Python, SQL, XGBoost, A/B testavimas. Sumažino klientų atsisakymo rodiklį 18%, sutaupant apie €400 tūkst. per metus.' Venkite bendrų frazių apie 'aistrą duomenims' – vietoje jų rašykite konkrečius faktus.
2
Darbo patirties aprašymas su konkrečiais skaičiais
Kiekvienas punktas turi rodyti veiksmą, metodą ir rezultatą. Naudokite duomenų mokslui būdingus rodiklius: modelio tikslumą ar AUC, pajamų ar sąnaudų poveikį eurais, apdorotą duomenų kiekį, konvejerio vėlavimą, A/B testų rezultatus ar prietaisų skydelio/modelio panaudojimą. Pavyzdys: 'Sukūriau klientų atsisakymo prognozavimo modelį (XGBoost), pasiekdamas 89% AUC ir sumažindamas atsisakymų skaičių 14%, kas sutaupė €250 tūkst. per metus.' Skaičiai įrodo, kad jūsų darbas turėjo realų poveikį, o ne liko vien eksperimentu užrašinėje.
3
Techninių įgūdžių skyrius, pritaikytas skelbimui
Sugrupuokite įgūdžius pagal kategorijas: programavimo kalbos (Python, R, SQL), mašininio mokymosi bibliotekos (scikit-learn, XGBoost, PyTorch), duomenų infrastruktūra (Spark, Airflow, dbt, AWS/GCP) ir BI įrankiai (Tableau, Power BI). Perskaitykite darbo skelbimą ir įsitikinkite, kad tiksliai tie patys terminai (ne sinonimai) atsispindi jūsų CV – tai padeda praeiti ATS filtrus ir parodo, kad esate kandidatas, atitinkantis skelbimo reikalavimus, o ne bendro pobūdžio programuotojas.
4
Projektai ir portfelis (Kaggle, GitHub)
Jei trūksta darbo patirties, projektų skyrius tampa svarbiausiu CV elementu. Įtraukite 1-2 projektus su verslo rėmu: problema, duomenys, metodas, rezultatas – ne vien 'išbandžiau modelį'. Vienas užbaigtas ir įdiegtas modelis (net paprastas, veikiantis internete) vertingesnis nei dešimt Jupyter užrašinių Kaggle profilyje. Nuorodas į GitHub ir Kaggle pateikite CV antraštėje šalia LinkedIn – tai pirmoji vieta, kur žiūri techninis atrankos vadovas.
5
Išsilavinimas, sertifikatai ir ATS patikra
Nurodykite laipsnį (statistika, informatika, matematika ar gretima sritis) ir aktualius sertifikatus, pvz. AWS/Azure/GCP mašininio mokymosi sertifikatus. Prieš siunčiant CV patikrinkite: vienas stulpelis, PDF formatas, jokių lentelių, diagramų ar grafikos paties CV tekste – ATS sistemos jų dažnai negali perskaityti ir prarandama informacija. Failo pavadinime naudokite savo vardą, o ne 'CV_final_v3'.
Duomenų mokslininko CV santraukos pavyzdžiai
Nukopijuokite ir pritaikykite pagal savo patirties lygį – junjorui, vyresniajam specialistui ar į duomenų mokslą pereinančiam profesionalui reikia skirtingo akcento.
Jaunesnysis / neseniai baigęs studijas
Statistikos magistras, ieškantis pirmos jaunesniojo duomenų mokslininko pozicijos. Praktikos metu su pandas ir scikit-learn sukūriau klientų segmentacijos modelį ir dalyvavau A/B teste, kuris padidino registracijų skaičių 6%. Moku Python, SQL, pagrindus turiu ir apie XGBoost bei Tableau. Baigiamajame darbe analizavau 200 tūkst. įrašų duomenų rinkinį, taikydamas regresijos ir klasterizavimo metodus.
Vyresnysis duomenų mokslininkas
Duomenų mokslininkas su 7+ metų patirtimi kuriant ir diegiant mašininio mokymosi sprendimus mažmeninės prekybos ir FinTech srityse. Vadovavau 4 duomenų mokslininkų komandai, kuri sukūrė sukčiavimo aptikimo sistemą, sumažinusią nuostolius 22%. Ekspertas su XGBoost, PyTorch, Spark ir MLOps procesais (MLflow, Docker, AWS SageMaker). Mokau jaunesniuosius kolegas ir pristatau modelių poveikį vadovybei.
Karjerą keičiantis specialistas (iš analitikos)
Verslo analitikas su 5 metų SQL ir BI patirtimi, papildomai įgijęs mašininio mokymosi žinių per Coursera Deep Learning specializaciją ir savarankiškus Kaggle projektus. Sukūriau pardavimų prognozavimo modelį, kuris pranoko esamą Excel metodą 30% tikslumu. Stiprūs Python, pandas, scikit-learn ir duomenų vizualizacijos įgūdžiai, papildyti giliu verslo konteksto supratimu iš 5 metų analitiko darbo.
Raktiniai žodžiai duomenų mokslininko CV
ATS sistemos ir atrankos specialistai skenuoja CV ieškodami tikslių terminų iš darbo skelbimo, todėl naudokite tuos pačius žodžius, kuriuos vartoja darbdavys, o ne sinonimus.
Python
Įtraukite techninių įgūdžių skyriuje ir paminėkite darbo patirties aprašyme kartu su konkrečiomis bibliotekomis (pandas, NumPy).
SQL
Beveik visuose duomenų mokslininko skelbimuose reikalaujamas terminas – nurodykite, ar dirbote su PostgreSQL, Snowflake ar BigQuery.
Machine Learning
Naudokite tiek anglišką terminą, tiek 'mašininis mokymasis', nes abu ieškomi Lietuvos darbo skelbimuose.
Deep Learning (PyTorch/TensorFlow)
Nurodykite konkretų karkasą, kurį naudojote, o ne tik bendrą 'gilusis mokymasis'.
A/B testing
Paminėkite eksperimentų skaičių ir statistinį metodą (pvz. Bajeso analizę), kad įrodytumėte praktinę patirtį.
Statistical modeling
Tinka aprašant regresijos, klasifikavimo ar laiko eilučių modelius CV darbo patirties skyriuje.
NLP
Jei dirbote su tekstų klasifikavimu ar BERT modeliais, įrašykite tiek 'NLP', tiek pilną pavadinimą 'natūralios kalbos apdorojimas'.
MLOps
Rodo, kad mokate ne tik kurti modelius, bet ir juos diegti bei prižiūrėti gamyboje – paminėkite MLflow, Docker ar SageMaker.
Data pipelines
Naudokite kartu su konkrečiais įrankiais (Airflow, dbt, Spark), nes vien žodis be konteksto ATS sistemai mažai ką pasako.
Stakeholder communication
Įrašykite, kai pristatinėjote rezultatus vadovybei ar ne techninėms komandoms – tai svarbu vyresnio lygio pozicijoms.
Silpni ir stiprūs CV punktai: pavyzdžiai
Tas pats darbas gali skambėti blankiai arba įtikinamai – viskas priklauso nuo to, ar nurodote metodą, mastą ir rezultatą skaičiais.
Modelio kūrimas su verslo poveikiu (atsisakymo prognozavimas)
Dirbau su klientų atsisakymo prognozavimo modeliu.
Sukūriau klientų atsisakymo prognozavimo modelį (XGBoost) 500 tūkst. klientų duomenų rinkinyje, pasiekdamas 89% AUC ir sumažindamas atsisakymų skaičių 14%, sutaupant apie €250 tūkst. per metus.
Duomenų konvejerių / infrastruktūros darbas
Atsakingas už duomenų konvejerius komandoje.
Sukūriau ir automatizavau ETL konvejerį naudodamas Airflow ir dbt, apdorojantį 20M+ įrašų per parą, sumažindamas duomenų atnaujinimo vėlavimą nuo 24 iki 2 valandų.
Eksperimentavimas ir bendravimas su suinteresuotomis šalimis
Vykdžiau A/B testus produktų komandai.
Suprojektavau ir įvykdžiau 15+ A/B testų produkto komandai, taikydamas Bajeso statistiką, ir pristačiau rezultatus vadovybei, tai padėjo padidinti konversiją 9%.
Dažnai užduodami klausimai
Ką turėtų apimti duomenų mokslininko CV?
Duomenų mokslininko CV turėtų apimti programavimo įgūdžius (Python, R, SQL), mašininio mokymosi sistemas, statistinius metodus, verslo poveikio rodiklius, išsilavinimą ir aktualius projektus ar publikacijas. Pabrėžkite savo modelių ir analizių išmatuojamus rezultatus.
Ar reikalingas magistro laipsnis duomenų mokslo CV?
Nors daugelis duomenų mokslo darbo skelbimų pirmenybę teikia aukštesniems laipsniams, jie ne visada būtini. Stipri projektų patirtis, aktualūs sertifikatai ir įrodytas verslo poveikis gali kompensuoti. Pabrėžkite savo praktinius įgūdžius ir išmatuojamus rezultatus.
Kaip padaryti duomenų mokslininko CV suderinamą su ATS?
Naudokite standartinius skyrių pavadinimus, išvardykite technologijas konkrečiais pavadinimais, įtraukite raktinius žodžius iš darbo skelbimo ir naudokite švarų vieno stulpelio formatą. Venkite paveikslėlių, lentelių ar neįprasto formatavimo.
Ar galima NoBsResume nemokamai sukurti duomenų mokslininko CV?
Taip. NoBsResume yra 100% nemokama be paslėptų mokesčių. Pasirinkite ATS suderinamą šabloną, pridėkite savo duomenų mokslo patirtį ir iš karto atsisiųskite PDF formatu.
Kur rasti duomenų mokslininko CV pavyzdį ir šabloną lietuvių kalba?
Šiame puslapyje pateiktas pilnas duomenų mokslininko CV pavyzdys yra tiesiogiai redaguojamas nemokamame NoBsResume kūrimo įrankyje – spustelėję 'Pradėti kurti CV' gaunate tą patį ATS suderinamą šabloną su savo duomenimis ir per kelias minutes atsisiunčiate PDF, be registracijos.
Kaip parašyti duomenų mokslininko CV neturint patirties?
Jei neturite formalios darbo patirties, akcentuokite universiteto projektus, Kaggle konkursus, baigiamąjį darbą su realiais duomenimis ir bet kokias praktikas ar savanoriškus projektus. Vienas užbaigtas, aiškiai aprašytas projektas su verslo konteksu ir rezultatu vertingesnis nei ilgas sąrašas kursų pavadinimų.
Ar duomenų mokslininko CV turėtų būti lietuvių ar anglų kalba?
Priklauso nuo darbdavio: Lietuvos tarptautinėse technologijų ir FinTech įmonėse (pvz. Vilniuje veikiančiose užsienio kompanijų padaliniuose) beveik visada laukiama anglų kalbos CV, nes komandos dažnai tarptautinės. Vietinėms Lietuvos įmonėms tinka ir lietuviškas CV. Jei abejojate arba taikotės į abu tipus darbdavių, verta paruošti abi versijas.
Koks turėtų būti duomenų mokslininko CV ilgis?
Vienas puslapis tinka jaunesniesiems specialistams ir tiems, kurie turi mažiau nei 3-4 metų patirties. Vyresniesiems duomenų mokslininkams su ilgesne karjera ir vadovavimo patirtimi priimtini du puslapiai, tačiau retai daugiau – svarbiau glaustai perteikti verslo poveikį nei išvardyti kiekvieną projektą.
Ar verta į CV įtraukti Kaggle ar GitHub nuorodas?
Taip, ypač jei turite mažai formalios darbo patirties arba dirbate srityse, kur kodo kokybė svarbi (pvz. MLOps, tyrimai). Nuorodą į GitHub ar Kaggle profilį dėkite CV antraštėje šalia kontaktų, bet tik jei profilis tvarkingas ir turi bent kelis užbaigtus, gerai aprašytus projektus.
Kuo skiriasi duomenų mokslininko ir duomenų analitiko CV?
Duomenų analitiko CV akcentuoja SQL užklausas, ataskaitas ir prietaisų skydelius (Tableau, Power BI) bei įžvalgų pateikimą verslui. Duomenų mokslininko CV papildomai turi rodyti mašininio mokymosi modelių kūrimą, statistinį modeliavimą ir dažnai – modelių diegimą į gamybą. Jei siekiate pereiti iš analitiko į mokslininko poziciją, pabrėžkite bet kokį modeliavimo ar eksperimentavimo darbą, kurį jau atlikote.
Sukurkite savo CV dabar
Naudokite šį pavyzdį kaip įkvėpimą. Pritaikykite pagal savo patirtį ir per kelias minutes atsisiųskite profesionalų PDF. 100% nemokamai.
