Afbeelding door auteur
 

Terwijl ik terugkijk op mijn dagen als student, besef ik nu dat er een paar cruciale elementen ontbraken in mijn data science-cv. Deze tekortkomingen hebben er waarschijnlijk toe geleid dat ik voor diverse functies werd afgewezen. Ik kon mezelf niet alleen niet presenteren als een waardevolle aanwinst voor potentiële teams, maar ik had ook moeite om mijn vermogen om datawetenschapsproblemen op te lossen te laten zien. Na verloop van tijd werd ik echter beter en werkte ik met meerdere teams samen om erachter te komen wat ik miste en hoe ik het beter kon doen als ik opnieuw moest beginnen.

In deze blog deel ik de 7 dingen die studenten vaak over het hoofd zien in hun data science-cv’s, waardoor wervingsmanagers hen niet kunnen bellen voor sollicitatiegesprekken. 

Als je je cv ingewikkeld maakt met technische termen, te veel informatie of onconventionele formats, kan dit ertoe leiden dat het meteen wordt afgewezen. Je cv moet gemakkelijk te lezen en te begrijpen zijn, zelfs voor iemand die niet diep thuis is in datawetenschap. Gebruik een strakke, professionele lay-out met duidelijke koppen, opsommingstekens en een standaardlettertype. Vermijd dichte blokken tekst. Vergeet niet dat het doel is om uw vaardigheden en ervaringen zo snel en effectief mogelijk over te brengen aan de rekruteringsmanager.

Wanneer u uw eerdere werkervaringen of projecten opsomt in de ervaringssectie, is het raadzaam om u te concentreren op kwantificeerbare prestaties in plaats van eenvoudigweg uw verantwoordelijkheden op te sommen. 

In plaats van bijvoorbeeld 'Ontwikkelde machine learning-modellen' te zeggen, zou u kunnen schrijven: 'Ontwikkelde een machine learning-model dat de omzet met 15% verhoogde.' Dit zal de tastbare impact van uw werk demonstreren en uw vermogen om resultaten te genereren onder de aandacht brengen.

Bij het maken van een lijst met uw technische vaardigheden is het van cruciaal belang om de vaardigheden te benadrukken die direct relevant zijn voor datawetenschap. Vermijd het opnemen van vaardigheden die geen verband houden met datawetenschap, zoals grafisch ontwerpen of videobewerking. Houd uw lijst met vaardigheden beknopt en noteer het aantal jaren ervaring dat u in elk ervan heeft. 

Zorg ervoor dat je programmeertalen zoals Python of R vermeldt, tools voor datavisualisatie zoals Tableau of Power BI, en tools voor data-analyse zoals SQL of Panda's. Bovendien is het de moeite waard om uw ervaring met populaire machine learning-bibliotheken zoals PyTorch of scikit-learn te vermelden.

Datawetenschap is niet alleen afhankelijk van technische vaardigheden. Samenwerkings- en communicatieve vaardigheden zijn cruciaal. Het opnemen van ervaringen waarbij u als onderdeel van een team hebt gewerkt, vooral in multidisciplinaire omgevingen of in gevallen waarin u complexe data-inzichten aan niet-technische belanghebbenden heeft gecommuniceerd, kan uw zachte vaardigheden demonstreren.

Werkgevers waarderen praktische, praktijkervaring op het gebied van data science. Als je stages, projecten of onderzoek in data science hebt afgerond, zorg er dan voor dat je deze ervaringen in je cv benadrukt. Vermeld details over de projecten waaraan u hebt gewerkt, de tools en technologieën die u hebt gebruikt en de resultaten die u hebt behaald.

Studenten onderschatten vaak de kracht van het presenteren van relevante projecten. Of het nu gaat om een ​​klasopdracht, een sluitstukproject of iets dat je voor de lol hebt gebouwd, neem projecten op die je vaardigheden op het gebied van data-analyse, programmeren, machinaal leren en probleemoplossing demonstreren. Zorg ervoor dat u het projectdoel, uw rol, de gebruikte tools en technieken en het resultaat beschrijft. Koppelingen naar GitHub-repository's of projectwebsites kunnen ook de geloofwaardigheid vergroten.

Het vakgebied data science evolueert voortdurend en werkgevers zijn op zoek naar kandidaten die zich kunnen aanpassen aan nieuwe uitdagingen en technologieën. 

Als datawetenschapper kun je binnen een paar maanden de overstap maken van data-analist naar machine learning-ingenieur. Uw bedrijf kan u zelfs vragen om machine learning-modellen in de productie te implementeren en te leren hoe u deze kunt beheren. 

De rol van een datawetenschapper is veranderlijk en je moet mentaal voorbereid zijn op de rolveranderingen. U kunt uw aanpassingsvermogen en probleemoplossende vaardigheden aantonen door ervaringen te benadrukken waarin u snel een nieuw hulpmiddel of een nieuwe techniek moest leren, of waarbij u met succes een complex probleem hebt aangepakt.

Het maken van een online portfolio en het delen ervan op je cv is uiterst belangrijk. Hierdoor kunnen de rekruteringsmanagers snel uw eerdere projecten bekijken en de tools die u hebt gebruikt om bepaalde dataproblemen op te lossen. U kunt gratis het beste platform bekijken voor het maken van een data science-portfolio: 7 gratis platforms voor het bouwen van een sterke datawetenschapsportfolio

Het niet opnemen van een link naar uw GitHub-repository of een persoonlijke website waar u uw projecten presenteert, is een gemiste kans. 

Een belangrijk ding om in gedachten te houden bij het indienen van uw cv voor sollicitaties, is dat u het aanpast aan de functievereisten. Zoek naar de vaardigheden die nodig zijn voor de baan en probeer deze op te nemen in je cv om je kansen op een sollicitatiegesprek te vergroten. Naast je cv kunnen netwerken en LinkedIn zeer nuttig zijn bij het vinden van banen en freelanceprojecten. Het consequent onderhouden van uw LinkedIn-profiel en het regelmatig posten van berichten kan een grote bijdrage leveren aan het vestigen van uw professionele aanwezigheid.
 
 

Abid Ali Awan (@1abidaliawan) is een gecertificeerde datawetenschapper die graag machine learning-modellen bouwt. Momenteel richt hij zich op het creëren van content en het schrijven van technische blogs over machine learning en data science-technologieën. Abid heeft een masterdiploma in technologiemanagement en een bachelordiploma in telecommunicatietechniek. Zijn visie is om een ​​AI-product te bouwen met behulp van een grafisch neuraal netwerk voor studenten die worstelen met een psychische aandoening.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: 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