صورة المؤلف
 

عندما أفكر في أيامي كطالب، أدرك الآن أن هناك بعض العناصر الحاسمة التي كانت مفقودة في سيرتي الذاتية في علم البيانات. ربما أدت أوجه القصور هذه إلى رفضي لشغل مناصب وظيفية مختلفة. لم أتمكن من تقديم نفسي كأحد الأصول القيمة للفرق المحتملة فحسب، بل واجهت أيضًا صعوبات في إظهار قدرتي على حل مشكلات علم البيانات. ومع ذلك، مع مرور الوقت، تحسنت حالتي وتعاونت مع فرق متعددة لمعرفة ما كان ينقصني وكيف يمكنني القيام بعمل أفضل إذا اضطررت للبدء من جديد.

في هذه المدونة، سأشارك الأشياء السبعة التي غالبًا ما يتجاهلها الطلاب في سيرتهم الذاتية في علم البيانات، والتي يمكن أن تمنع مديري التوظيف من الاتصال بهم لإجراء المقابلات. 

قد يؤدي تعقيد سيرتك الذاتية بمصطلحات فنية أو الكثير من المعلومات أو التنسيقات غير التقليدية إلى رفضها على الفور. يجب أن تكون سيرتك الذاتية سهلة القراءة والفهم، حتى من قبل شخص ليس على دراية عميقة بعلم البيانات. استخدم تخطيطًا نظيفًا واحترافيًا مع عناوين واضحة ونقاط نقطية وخط قياسي. تجنب الكتل الكثيفة من النص. تذكر أن الهدف هو توصيل مهاراتك وخبراتك بأسرع ما يمكن وبفعالية إلى مدير التوظيف.

عندما تقوم بإدراج تجارب عملك أو مشاريعك السابقة في قسم الخبرة، فمن المستحسن التركيز على الإنجازات القابلة للقياس بدلاً من مجرد إدراج مسؤولياتك. 

على سبيل المثال، بدلاً من ذكر "نماذج التعلم الآلي المطورة"، يمكنك كتابة "تم تطوير نموذج التعلم الآلي الذي أدى إلى زيادة المبيعات بنسبة 15%". سيُظهر هذا التأثير الملموس لعملك ويُظهر قدرتك على تحقيق النتائج.

عند إنشاء قائمة بمهاراتك التقنية، من المهم تسليط الضوء على المهارات ذات الصلة المباشرة بعلم البيانات. تجنب تضمين المهارات التي لا تتعلق بعلم البيانات، مثل التصميم الجرافيكي أو تحرير الفيديو. اجعل قائمة المهارات الخاصة بك مختصرة، واكتب عدد سنوات الخبرة التي لديك في كل منها. 

تأكد من ذكر لغات البرمجة مثل Python أو R، وأدوات تصور البيانات مثل Tableau أو Power BI، وأدوات تحليل البيانات مثل SQL أو pandas. بالإضافة إلى ذلك، تجدر الإشارة إلى تجربتك مع مكتبات التعلم الآلي الشهيرة مثل PyTorch أو scikit-learn.

علم البيانات لا يعتمد فقط على القدرات التقنية. مهارات التعاون والتواصل أمر بالغ الأهمية. إن تضمين الخبرات التي عملت فيها كجزء من فريق، خاصة في البيئات متعددة التخصصات أو الحالات التي قمت فيها بتوصيل رؤى البيانات المعقدة إلى أصحاب المصلحة غير التقنيين، يمكن أن يُظهر مهاراتك الشخصية.

يقدّر أصحاب العمل الخبرة العملية والتدريب العملي في مجال علم البيانات. إذا كنت قد أكملت تدريبًا داخليًا أو مشاريع أو بحثًا في علم البيانات، فتأكد من تسليط الضوء على هذه التجارب في سيرتك الذاتية. قم بتضمين تفاصيل حول المشاريع التي عملت عليها، والأدوات والتقنيات التي استخدمتها، والنتائج التي حققتها.

غالبًا ما يقلل الطلاب من أهمية عرض المشاريع ذات الصلة. سواء أكان ذلك واجبًا دراسيًا، أو مشروعًا تخرجًا، أو شيئًا قمت بإنشائه من أجل المتعة، قم بتضمين المشاريع التي توضح مهاراتك في تحليل البيانات، والبرمجة، والتعلم الآلي، وحل المشكلات. تأكد من وصف هدف المشروع ودورك والأدوات والتقنيات المستخدمة والنتيجة. يمكن أيضًا أن تضيف الروابط إلى مستودعات GitHub أو مواقع المشروع المصداقية.

يتطور مجال علم البيانات باستمرار، ويبحث أصحاب العمل عن مرشحين يمكنهم التكيف مع التحديات والتقنيات الجديدة. 

باعتبارك عالم بيانات، قد تجد نفسك تقفز من كونك محلل بيانات إلى مهندس تعلم الآلة في غضون بضعة أشهر فقط. قد تطلب منك شركتك أيضًا نشر نماذج التعلم الآلي في الإنتاج ومعرفة كيفية إدارتها. 

إن دور عالم البيانات هو دور مرن، وعليك أن تكون مستعدًا عقليًا لتغير الدور. يمكنك إظهار قدرتك على التكيف ومهارات حل المشكلات من خلال تسليط الضوء على أي تجارب كان عليك فيها تعلم أداة أو تقنية جديدة بسرعة، أو حيث نجحت في معالجة مشكلة معقدة.

يعد إنشاء محفظة عبر الإنترنت ومشاركتها في سيرتك الذاتية أمرًا في غاية الأهمية. سيمكن هذا مديري التوظيف من إلقاء نظرة سريعة على مشاريعك السابقة والأدوات التي استخدمتها لحل مشاكل معينة في البيانات. يمكنك الاطلاع على أفضل منصة لإنشاء محفظة علوم البيانات مجانًا: 7 منصات مجانية لبناء محفظة قوية لعلوم البيانات

يعد الفشل في تضمين رابط إلى مستودع GitHub الخاص بك أو موقع الويب الشخصي الذي تعرض فيه مشاريعك فرصة ضائعة. 

أحد الأشياء المهمة التي يجب أن تضعها في الاعتبار أثناء تقديم سيرتك الذاتية لطلبات التوظيف هو تعديلها وفقًا لمتطلبات الوظيفة. ابحث عن المهارات المطلوبة للوظيفة وحاول تضمينها في سيرتك الذاتية لزيادة فرصك في الحصول على مكالمة للمقابلة. وبصرف النظر عن سيرتك الذاتية، يمكن أن تكون الشبكات وLinkedIn مفيدة جدًا في العثور على وظائف ومشاريع مستقلة. إن الحفاظ باستمرار على ملفك الشخصي على LinkedIn والنشر بانتظام يمكن أن يقطع شوطًا طويلًا في إثبات وجودك المهني.
 
 

عابد علي عوان (@ 1abidaliawan) هو عالم بيانات محترف ومعتمد يحب بناء نماذج التعلم الآلي. يركز حاليًا على إنشاء المحتوى وكتابة المدونات التقنية حول تقنيات التعلم الآلي وعلوم البيانات. يحمل عابد درجة الماجستير في إدارة التكنولوجيا ودرجة البكالوريوس في هندسة الاتصالات. وتتمثل رؤيته في بناء منتج للذكاء الاصطناعي باستخدام شبكة عصبية بيانية للطلاب الذين يعانون من مرض عقلي.

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
• المصدر https://www.kdnuggets.com/7-things-students-are-missing-in-a-data-science-resume?utm_source=rss&utm_medium=rss&utm_campaign=7-things-students-are-missing-in-a-data-science-resume