Svenska
Se hur ett professionellt dataforskare-CV lyfter fram maskininlärning, statistisk analys och datadrivna affärsresultat. Anpassa detta exempel till din egen erfarenhet.
Börja skapa ditt CV
Senior dataforskare
Dataforskare med över 5 års erfarenhet inom maskininlärning, statistik och Python. Utvecklade prediktiva modeller som ökade intäkterna med 3,2 miljoner dollar och minskade bedrägeriförluster med 800 tusen dollar. Kunnig i Python, R, SQL, TensorFlow och PyTorch. Publicerad forskare med arbeten inom naturlig språkbehandling (NLP).
RetailAI Corp
feb. 2022 – nuvarande
HealthTech Analytics
jun. 2020 – jan. 2022
Market Insights Group
aug. 2018 – maj 2020
Stockholms universitet, Matematiska institutionen
2016 - 2018
Uppsala universitet, Matematiska institutionen
2012 - 2016
Coursera / deeplearning.ai
2021
AWS
2023
Coursera / Columbia
2022
Detta är ett exempel-CV. Anpassa det till din erfarenhet med vårt kostnadsfria CV-verktyg.
Säg inte bara "skapade en modell". Säg "Skapade en avhoppsmodell som sparar 3,2 miljoner dollar årligen". Översätt tekniskt arbete till affärsresultat.
Inkludera noggrannhet, F1-poäng, AUC-ROC. "Uppnådde 92 % noggrannhet" bevisar att dina modeller fungerar.
Datavetenskap handlar inte bara om modellering. Nämn datarensning, feature engineering, driftsättning och övervakning.
Publicerade artiklar, konferenspresentationer och bidrag till öppen källkodsprojekt visar tankeledarskap.
Ett CV för dataforskare (data scientist) bedöms både av en ATS-robot och av en rekryterare som letar efter mätbar affärsnytta, inte bara modellnamn. Följ dessa fem steg för att bygga ett CV som visar teknisk trovärdighet och affärsresultat i samma andetag.
Sätt senioritetsnivå, domän och verktygslåda i de första tre raderna: till exempel "Dataforskare med 5+ års erfarenhet inom fintech, specialiserad på Python och maskininlärning". Avsluta med ett konkret affärsresultat, exempelvis en intäktsökning eller minskad churn i procent. Rekryterare läser sammanfattningen först och avgör på tio sekunder om resten av CV:t är värt att läsa. Undvik floskler som "resultatinriktad" utan siffror bakom påståendet.
Varje rad ska koppla en metod till ett mätbart resultat. Skriv inte "byggde en modell för kundbortfall" utan "Byggde en XGBoost-modell för kundbortfall som minskade churn med 18 % och sparade 2,4 miljoner kronor årligen". Använd DS-specifika mått: modellnoggrannhet, AUC, F1-poäng, databehandlad volym, pipelinelatens, resultat från A/B-tester eller adoption av dashboards. Siffror gör att din erfarenhet sticker ut bland CV:n fulla av vaga formuleringar.
Dela upp färdigheterna i tydliga kategorier: programmeringsspråk (Python, R, SQL), ML-bibliotek (scikit-learn, XGBoost, PyTorch, TensorFlow), data- och infrastrukturverktyg (Spark, Airflow, dbt, AWS/GCP/Azure) och BI-verktyg (Tableau, Power BI, Looker). Spegla exakt de termer som står i jobbannonsen — om annonsen skriver "Databricks" ska ditt CV också skriva "Databricks", inte bara "Spark". Det är så både rekryteringssystem och rekryterare snabbt matchar dig mot kravprofilen.
Har du få år i yrket väger ett väl beskrivet projekt tyngre än tio Jupyter-notebooks. Beskriv ett komplett projekt: problem, data, modell, resultat och gärna driftsättning — en modell i produktion slår tio experiment i en notebook. Länka till din GitHub-profil och eventuella Kaggle-tävlingar med placering. Rama in projektet affärsmässigt: vilket beslut skulle modellen stödja, inte bara vilken algoritm du använde.
Ange examen, lärosäte och relevanta kurser, följt av molnbaserade ML-certifieringar (AWS Certified Machine Learning, Google Professional ML Engineer, Azure Data Scientist Associate). Håll layouten i en kolumn, exportera som PDF och undvik tabeller, ikoner och diagram i själva CV-filen — de kan förvirra ATS-system och göra att fält läses in fel. Spara diagram och visualiseringar till en separat portfolio-länk istället.
Kopiera och anpassa en av dessa tre sammanfattningar utifrån var du befinner dig i karriären.
Nyexaminerad dataforskare med en masterexamen i statistik och praktisk erfarenhet av Python, pandas och scikit-learn från ett sex månader långt praktikprogram. Byggde en klassificeringsmodell för A/B-testanalys som identifierade en signifikant förbättring i konverteringsgrad. Van vid SQL, datastädning och att presentera resultat för icke-tekniska intressenter. Söker en junior roll inom maskininlärning eller dataanalys.
Senior dataforskare med 8 års erfarenhet av att bygga och driftsätta ML-plattformar i skala inom e-handel och fintech. Ledde ett team på fem personer och implementerade rekommendationssystem samt bedrägeridetektering med XGBoost och PyTorch på Spark-infrastruktur, vilket ökade intäkterna med 3,2 miljoner kronor per år. Mentor för juniora dataforskare och van vid att kommunicera modellresultat direkt till ledningsgruppen.
Dataanalytiker med fem års erfarenhet av SQL, Power BI och statistisk rapportering, under det senaste året vidareutbildad inom maskininlärning via en certifiering och egna Kaggle-projekt. Byggde en prognosmodell i Python som förbättrade lagerplanering med 12 %. Kombinerar starka affärskunskaper med nyförvärvad kompetens inom scikit-learn och feature engineering för att gå in i en roll som dataforskare.
Spegla jobbannonsens exakta termer — både rekryterare och ATS-system skannar CV:t efter dessa ord innan en människa läser hela texten.
Nämn det både under teknisk kompetens och konkret i en projekt- eller erfarenhetsrad, inte bara i en lista.
Grundläggande krav i nästan varje annons — visa det genom en rad om datauttag eller rapportering, inte bara som ord i en lista.
Skriv ut både den engelska och svenska termen minst en gång eftersom ATS-system ofta söker på båda.
Använd bara om du faktiskt arbetat med neurala nätverk — koppla det till TensorFlow eller PyTorch i samma mening.
Ange vilket ramverk du använt i verkliga projekt, gärna med modelltyp (CNN, transformer, LSTM).
Relevant om du bearbetat stora datamängder — nämn datavolym för trovärdighet, till exempel 'terabyte per dygn'.
En av de mest efterfrågade termerna för dataforskare i produktbolag — koppla till ett konkret testresultat.
Visar akademisk grund, särskilt värdefullt tillsammans med en examen i statistik eller matematik.
Efterfrågas alltmer eftersom arbetsgivare vill se att du kan sätta modeller i produktion, inte bara i notebooks.
Nämn verktyg som Airflow eller dbt för att visa att du förstår hela kedjan från rådata till modell.
Samma arbete kan beskrivas svagt eller starkt — skillnaden ligger i metod, verktyg och en siffra på affärsresultatet.
Ansvarig för en modell som förutspår kundbortfall.
Byggde och driftsatte en XGBoost-modell för kundbortfall som identifierade riskkunder med 89 % noggrannhet och minskade churn med 18 %, motsvarande 2,4 miljoner kronor i sparade intäkter årligen.
Arbetade med att bygga och underhålla datapipelines.
Byggde en Airflow-baserad datapipeline som automatiserade inmatning av 200 GB dagliga transaktionsdata, vilket minskade manuell rapporteringstid med 60 % och latensen från 24 till 2 timmar.
Genomförde A/B-tester för produktteamet.
Designade och analyserade A/B-tester för tre nya produktfunktioner tillsammans med produktteamet, vilket resulterade i ett beslut som ökade konverteringsgraden med 9 % och presenterades för ledningsgruppen.
Ett CV för en dataforskare bör innehålla en professionell sammanfattning med mätbara prestationer, tekniska färdigheter (Python, R, SQL, ramverk för maskininlärning), arbetslivserfarenhet med konkreta resultat, utbildning, relevanta certifieringar och publikationer. Fokus bör ligga på affärspåverkan av dina projekt.
En masterexamen är inte obligatorisk men kan vara en fördel. Många framgångsrika dataforskare har en kandidatexamen kompletterad med certifieringar och praktisk erfarenhet. Fokus på projekt, färdigheter och mätbara resultat kan kompensera för avsaknaden av en avancerad examen.
Använd nyckelord från jobbannonsen, lista tekniska färdigheter tydligt, använd standardiserade sektionsnamn, undvik komplex formatering och grafik och använd vanliga filformat. Inkludera specifika verktyg och teknologier som Python, TensorFlow och SQL.
Ja! Vårt kostnadsfria CV-verktyg låter dig skapa ett professionellt dataforskare-CV. Använd detta exempel som inspiration, anpassa det till din erfarenhet och ladda ner en professionell PDF på några minuter.
Ja, du kan använda exemplet på den här sidan som mall direkt i vårt kostnadsfria CV-verktyg. Välj mellan tre ATS-vänliga mallar, byt ut namn och erfarenhet mot dina egna uppgifter och ladda ner CV:t som PDF på några minuter, helt utan registrering.
Lyft fram examensarbete, Kaggle-tävlingar, egna GitHub-projekt och relevanta kurser istället för anställningshistorik. Beskriv ett eller två projekt i detalj: vilket problem du löste, vilken metod du använde och vad resultatet blev. En praktikperiod eller ett universitetsprojekt med tydligt resultat väger tyngre än en lång men vag punktlista.
På många svenska techbolag som Spotify, Klarna och King är engelska arbetsspråk, och ett engelskt CV fungerar utmärkt eller till och med föredras där. Söker du till myndigheter, traditionella industribolag eller mindre svenska företag är ett svenskt CV ofta tryggare. Är du osäker, ta reda på bolagets arbetsspråk innan du skickar in.
Ja, en länk till en aktiv GitHub-profil eller Kaggle-placering ger direkt trovärdighet åt tekniska påståenden i ett dataforskare-CV. Lägg länkarna högst upp vid kontaktuppgifterna, och se till att repositorierna har tydliga README-filer som förklarar problem, metod och resultat — en rörig eller tom profil gör mer skada än nytta.
Ett dataanalytiker-CV betonar rapportering, dashboards och beskrivande statistik i verktyg som Power BI eller Tableau, medan ett dataforskare-CV lyfter fram prediktiv modellering, maskininlärning och ofta driftsättning av modeller i produktion. Om du söker en renodlad dataforskarroll, se till att Python, ML-ramverk och modellresultat får mer plats än rapportverktyg.
Använd detta exempel som inspiration. Anpassa det till din erfarenhet och ladda ner en professionell PDF på några minuter. 100 % gratis.
Börja skapa ditt CVDetta exempel-CV finns tillgängligt på 63 språk:
English
Spanish
French
German
Italian
Polish
Ukrainian
Portuguese
Dutch
Czech
Hungarian
Bulgarian
Norwegian
Danish
Finnish
Slovak
Croatian
Serbian
Lithuanian
Slovenian
Latvian
Estonian
Albanian
Macedonian
Belarusian
Icelandic
Greek
Turkish
Romanian
Russian
Chinese (Simplified)
Chinese (Traditional)
Japanese
Korean
Vietnamese
Thai
Indonesian
Malay
Filipino
Burmese
Khmer
Lao
Hindi
BengaliTamilTeluguMarathiGujaratiKannadaMalayalamPunjabi
Sinhala
Arabic
Persian
Urdu
Hebrew
Uzbek
Azerbaijani
Turkmen
Mongolian
GeorgianTibetan