一份有效的数据科学家简历的特点
数据科学家如何在简历中展示他们的技术技能和沟通能力？Hamer指出：通常最好在工作经历部分完成。
除了展示你的项目和工作的例子，重点还应该提到与你一起工作的团队和利益相关者，以及你用什么媒介向别人展示你的发现（详细的Excel报告、案例研究、敏捷项目格式、Zoom、kick-off calls等）。
例如：
通过挖掘和分析第三方和客户情绪数据，获得重要的、有形的、可操作的见解，为研发和产品营销提供增值可交付成果。
与数据工程师和营销团队合作，实施ETL流程，编写和优化SQL查询，执行数据提取，以满足分析需求。
使用combo charts, stacked bar charts, pareto charts, donut charts, geographic map设计丰富的数据可视化和视图，并使用Tableau和Matplotlib转换数据。
通过Zoom的幻灯片展示，向非技术经理和执行团队传达研究结果、建议和机会。
为了进一步肯定数据科学家的技能水平和他们的工作能力，Hamer有时会引用利益相关者或客户的话。例如：
“Lauren在混乱中看到全局的能力帮助我们团队在短短3个月内推出了一款新产品——如果没有她详细的算法和统计模型，这是不可能的。”——Bob Jones，ABC公司高级研发经理
其他基本要素
数据科学简历中其他最重要的部分是“技术技能”和“特殊项目”。
Hamer建议将你的技术技能总结或工具箱放在résumé的前三分之一，就在你的个人资料总结的正下方，在你的工作经验总结之前。它应该列出你熟悉的平台、程序和语言（优先考虑工作描述中突出的具体技能会给你加分）。
Hamer解释说，虽然你应该在你的工作经历中简要地提到项目，但它们非常重要，值得单独列出“特殊项目”或“相关项目”，并附上更详细的摘要，以吸引招聘经理的目光。同样，项目摘要提供了一个完美的平台，解释你的方法、思维方式、商业头脑以及突出优秀数据科学家的东西。
考虑到这一点，下面是描述每个项目的格式：
问题陈述：你试图解决什么问题，为什么？此外，为了让自己与众不同，简要描述你的方法和分析能力。
你和谁一起工作过：阐明你的角色，以及你是否为团队的一员。
数据：描述数据集的大致大小以及用于存储、提取和清理数据的软件、工具和技术。
模型、算法和方法：指定使用的模型/算法和统计技术，以及用于构建它们的编程语言和库。
代码：可以链接到你的GitHub帐户或投资组合，以便招聘经理可以审查代码。
结果和建议：解释你是如何传达分析结果的，以及你工作的结果或影响。
创建有效的摘要配置文件
开始总结应该包括目标职位的第一行，然后传达候选人的最佳价值陈述或差异化——一些独特的东西。
回想一下你从导师、教授、导师等那里得到的反馈。他们喜欢你哪一点？你了解全局吗？你是他们最可靠、最不用担心的员工吗？你是最值得信任的培训新员工的人吗？
在你的开始总结中提到这些：
以目标为导向的数据科学家在理解问题的业务基础、进行有效分析、提供数据驱动的见解和价值方面提供了可靠的业绩记录，这些见解和价值可以改善决策，并对最高和最低利润产生积极影响。具有高度上进心和洞察力的专业人士，具有出色的沟通能力，在数据挖掘、提取、分析、统计建模、机器学习和数据可视化方面拥有6年以上的经验，将数据转化为有价值的信息是我的爱好和特长。
最后的技巧和特点
简历的长度并不像内容那么重要。
匹配职位描述：为了吸引自动和人工审核员的注意，在点击“发送”之前，进行简单的修改/定制，以符合职位描述中的要求，包括硬技能和软技能、组织文化、行业专长。更好的做法是，使用Jobscan或Résumé Worded等免费工具，将你的简历与具体的职位描述进行比较，做出修改，添加合适的关键词，从而通过求职者追踪系统。
提供工作示例：提供一个示例或作品集的链接，这些示例或作品集反映你的工作经历，并表明你如何与技术和非技术受众进行沟通。
一定要包括证书和课程：你应该包括顶级证书，以及课程和参加的黑客马拉松和比赛，这些可以证明你在必备技术方面的专业知识和对持续学习的热情（此外，更加专业和更多的技能会让你有可能争取到更高的薪水）。
Uoffer简历优化帮助学生精修简历中的每个细节，打造学员背景亮点，如果有需要的点击【简历】了解详情。
