數據科學求職丨簡歷中應避免的四個錯誤

由于在招聘公司SharpestMinds工作，我看過許多數據科學方面的簡歷。

同時我們也不斷得到公司的反饋，關于他們會面試哪些人，哪些人最終能順利被雇傭。

通過了解數百家公司在招聘過程，我們了解到哪些簡歷是公司所青睞的，以及哪些簡歷是會被否決。

注意，每家公司的要求各不相同。被谷歌聘用的人在其他公司也可能會落選。因此，完美的數據科學簡歷是不存在的。

話雖如此，但簡歷中有些錯誤是致命的。在下文中，我們總結了簡歷中應避免的四個錯誤。

1. 堆砌無關緊要的項目

在簡歷中堆砌大量無關緊要的項目，這會讓你的簡歷大打折扣。

以下這類項目就是減分項：

· 使用泰坦尼克號數據集進行幸存者分類。

· 使用MNIST數據集進行手寫數字分類。

· 使用虹膜數據集進行花種類分類。

為什么

求職者和招聘人員都很清楚，簡歷的篇幅有限。因此，如果在簡歷上過多羅列MNIST數據集分類等項目，那么招聘人員會對你之后的發展空間產生質疑。

該怎么做

如果你有其他更有趣的項目，那么不要猶豫，換下這些減分的項目是不錯的選擇。

如果你的簡歷上列有這類項目，而且你沒有其他更具挑戰性和實質性的項目來代替，這說明你需要花些時間做一些項目，讓自己的簡歷更具有說服性。

例外

當然，使用MNIST或泰坦尼克號數據集也能完成復雜的項目。比如你使用了自己創建的新型GAN，或者你重現了有趣的膠囊網絡(replicating)論文的結果，那么就大膽嘗試。

但要記住，大多數招聘人員都是非技術人員，他們通常只會關注簡歷中的關鍵字。因此如果你使用了MNIST數據集，需要清楚地標明你的項目不僅僅只包含簡單的數字分類任務。

2. 強調Udacity、Coursera項目

Udacity、Coursera和deeplearning.ai這些在線課程都是進行數據科學和深度學習的不錯選擇。

但是在簡歷中，還是要避免以下情況：

· 簡歷中大部分項目是納米學位等在線課程中完成的內容。

· 在簡歷中過分強調在線課程項目。

為什么

招聘中需要突出自我能力。許多公司都想招聘獨一無二的人才。由于現在在線課程特別多，僅靠這點無法讓你在求職者中脫穎而出。

如今招聘人員對許多在線課程很熟悉，可以立即分辨出哪些是納米學科等項目。為了脫穎而出，你需要關注還沒得到充分研究的問題。

這里我想明確的是，Udacity、Coursera和deeplearning.ai都是很棒的在線學習平臺。但是把這些放在簡歷前面，不能很好地體現求職者的特別性。

該怎么做

在完成在線課程之后，你要馬上利用所學的知識，參加Kaggle比賽，或者去探究數據科學論文中的成果。

這很重要，因為會體現你的與眾不同； 讓你在面試中有展示自己的機會；證明你在沒有幫助的情況下很強的學習能力。

例外

如果你完成的在線課程項目是獨一無二的，則無需擔心。這里指的是，你能自由地選擇數據集，從頭開始自己解決問題。

3. 沒列出版本控制、開發運維、數據庫技能

缺乏以下技能對要從事數據科學來說，可能是致命的。

以下是一些必備技能：

· 版本控制 (GitHub / GitLab)

· 開發運維(AWS / Floydhub / Digital Ocean / Flask)

· 數據庫 (mySQL / mongoDB)

為什么

對于數據科學，人們感興趣的往往是算法。因此這也是大多數人投入時間精力的地方。問題在于，設計模型與可用于生產的深度學習或數據科學不同。

數據科學中不太有趣的部分(設置服務器，清理數據)實際上構成了數據科學家的日常工作。因此，僅僅掌握Python / sklearn / TensorFlow / Keras / PyTorch這些是不夠的。

對于求職人員來說，不具備這些技能可能就會被淘汰。

不會GitHub？不會mongo？那不用了，謝謝。

該怎么做

如果你掌握這些技能，但沒列在簡歷上，那么請加上。如果你缺乏這些技能，那么建議你去學習，因為對于數據科學家來說這些是必不可少的。

例外

如果你申請的更高級的職位，那么是否列出這些技能并不太重要。但是高級的職位意味著你需要更多的經驗。

4. 沒有從之前的項目中總結經驗

如果你的簡歷中列出了某個項目，那么面試中很可能問到這個項目。

如果面試官問你在這個項目中學到了什么，但你答不出來的話，這會讓面試官對你的印象大打折扣。

為什么

既然你在某個項目上花了時間，那么關于這個項目的問題能夠體現你從中學到了什么，還會體現你考慮問題的深度和溝通技巧。

即使是一個非常簡單的數據集，你也能從中有所收獲。

該怎么做

如果你在簡歷中列出了某個項目，在面試時你要準備好關于這個項目的見解和看法。

例外

這里沒有例外，如果你簡歷中羅列了某個項目，你需要對其進行總結反思。

補充項：拼寫錯誤

這并不是數據科學方面的問題，但在面試時我們驚訝的發現很多人會出現拼寫錯誤?？偠灾?，在簡歷中出現錯別字、拼寫錯誤和格式錯誤都是致命的。

無論你的經驗水平如何，拼寫錯誤都是必須避免的問題，這會讓你的面試大大減分。

為什么

毫不奇怪，你在簡歷中體現的細節問題是與你的項目能力和技術發展息息相關的。

該怎么做

注意細節，仔細檢查。如果簡歷是英文或面試國外公司，可以讓英語為母語的人幫你檢查。

例外

這方面沒有借口。