数据科学、ML岗位的简历应该怎么写?

数据科学、ML岗位的简历应该怎么写?

大家都知道一份优秀的简历是面试的敲门砖;一份不给力的简历可能就是求职、跳槽道路上的拦路虎SofaSofa作为专业的数据科学社区,我们就来讲一讲数据岗位(包括数据科学、数据挖掘、机器学习、算法)的求职简历。

HR或者招聘主管在筛选简历的时候,第一印象很重要,包括:

  • 简历的基本美观:字体选择、字体大小恰当、行距合适、颜色舒适
  • 不管是中文简历还是英文简历,注意动词时态一致
  • 每个章节、段落清晰;粗体、列表的灵活使用
  • 内容逆时序罗列,从新到旧

下面我们将分部讲解简历中的各个部分。

简历第一部分:

一般包含了你的名字,你现在居住地,电话号码,邮箱地址,Github账号链接, 你的Linkedln地址。籍贯、星座、QQ号就不需要放上去了。

有时也会有一小段文字进行总结式的自我介绍(类似于精炼版的求职信、吹起吹牛的总号角的作用),这个不宜过长,通常在三句话左右,主要是强调自己的技能和经验。这个部分因人而异,如果简历内容已经过于拥挤,可以去掉这段文字。


简历第二部分:

第二部分一般是关于求职者教育背景的。必要的内容:学校名称、获得的学位、专业名称、起止年月;可以包括的内容:GPA、奖学金、与职位相关的课程名称、毕业论文标题(如果与职位相关)、具体研究方向、导师姓名。

对于跨专业求职的同学,如果恰好上过Coursera, Udemy, Udacity之类的微学位课程并且拿到了证书,也可以把这些教育经历加上去。如果只是上了一些“滥竽充数”的培训机构的课程,则最好不要放到教育经历这一类,免得有碍观瞻。


简历第三部分:

这一部分主要是关于专业技能,包括:数据分析的方法、掌握的模型、使用的编程语言、使用的框架以及平台(比如git,linux)、甚至外语能力。记住,这是一份数据岗位的简历。所以请不要把“主持院晚会”、“足球”、“钢琴十级”、“Photoshop”、“游泳”等炫酷技能放入简历。


下面的部分是简历中最核心的内容,主要包括工作经历和项目经历。有时这两个部分会合并成一个部分,有时分成两个部分表述更为清晰;具体因人而异。


简历第四部分:

这一部分是关于工作经历。请仔细写清楚公司名称、城市,职位名称,起止年月、以及工作内容(具体项目细节可以放在第五部分)等。应届生的同学往往没有全职经历,这部分就可以写上实习经历以及实验室经历等。

不相关的工作经历可以略过,比如“大三的时候去街上发了一个月传单”。


简历第五部分:

项目经历。这个项目单独列出来写,小标题包括项目名称、起止年月。
在描述每个项目时,要注意到:

  1. 这个项目是什么,出发点是什么
  2. 这个项目中主要用了哪些技术,比如python, spark, tableau;用了哪些方法,比如用了PCA降维,然后kNN分类。
  3. 项目中有哪些难点,你做了哪些关键步骤,最终达到了如何的效果(最好有数字具体呈现)。

例如:
商品点击预测项目

  • 利用pyspark读取、合并超过100GB的商品以及用户点击数据,并且进行数据清洗,如剔除异常数据点
  • 根据word2vec模型提取商品中的文本信息,构建词向量特征;使用SMOTE解决非平衡数据的问题
  • 使用python训练xgboost+lr分类模型,并通过交叉验证对模型进行调参优化
  • 根据线上AB Test的结果,新模型的roc auc比原模型提高了10%,logloss减小了10%


如果是研究项目的话,可以再加一个部分来罗列发表的相关论文/演讲/专利/研究获奖。



关于简历的页数:

一页就够!

除非你的工作经验5年以上、或者你是博士(但也请最好压缩至一页,把最相关的内容保留在简历上)


其他Tips:

注意项目的取舍与选择。有的朋友可能项目比较多,与其每个项目都是一两句话带过,不如挑选其中与职位相关性高、难度大、创新点的项目进行详细描述。

如果时间充裕的话,可以根据不同的职位描述以及其中的关键技能、关键词,微调自己的简历。

优化简历时要基本实事求是,切不可放卫星,把自己吹的天花乱坠。毕竟简历中的每一点都会至于面试官的放大镜,成为他们追问的考点。莫给自己挖坑。


最后最后,如果你想为你的简历把把脉,就请赶紧联系SofaSofa,我们赶紧帮你,安排上!不管求职意向是在国内还是北美,我们都有相应的专家导师,为你的简历把把关!(目前接近校招高峰期,如需简历修改请提前预约。)


你想知道自己水平如何?不如来做套数据科学、机器学习的自测题戳这里,以及戳这里

更多中美企业校招、社招机器学习、数据科学岗位面试题(看这里