在筛选数据科学职位简历时,HR 会看重哪几点?

作者 | Sowmya VB

翻译 | Mika

我在多伦多的一家中型软件公司担任数据科学家。在过去的几个月里,我担任了三场数据科学职位面试的面试官,这三场面试分别面向数据工程师、数据科学家和数据科学QA。

本文包含了我作为面试官在筛选简历时的一些想法。希望这篇文章能够对想找是数据科学相关工作的人有所帮助。

在公司中,“数据科学”团队是一个相对较新,其中包括各种各样的角色。我们之前的文章《细数数据科学团队中的十大关键角色》中总结过数据科学团队中的角色。随着这些角色越来越多,也有越来越多的机构提供数据科学认证课程。暂时不考虑哪些认证的含金量毕竟高,我们开始看到许多带有“认证数据科学家”标签的简历,这也加大了评估简历的难度。

通常情况下,当你在挑选数据科学团队成员时,你会寻找哪些点呢?

我会注重这几点:

  • 与团队工作相关的经验
  • 简历中提到的相关能力的细节

经验部分很明显,关于第二点具体而言我主要看到这几点:

1. 清楚并完整描述求职者曾在何时何地工作/学习

2. 作品集:在Github主页或技术博客

3. 具体的技能和成果部分

4. 简历的长度

下面我会具体谈谈这几点,以及为什么我认为这些很重要。

1. 清楚并完整的描述

有些简历中没有提到求职者目前工作的国家或城市。我认为这很重要,特别对于有签证限制或希望雇用当地人的雇主(我不评论这是好是,但这只是一些雇主的偏好)。直到面试后期才意识到这方面的问题是很浪费时间的。

还有些求职者候没有提到毕业院校的国家或地区。虽然这并不是太大的问题,但我认为还是不太完整,因为并非所有大学都很有名。如果有人写毕业于“斯坦福大学”,但没有写清楚具体国家,我仍然称之为不完整,但不是很严重的那种。然而,如果有人写了毕业于“ABC工程学院”,且之后没有具体的说明,那该简历的真实性是有些可疑的。这点只是我的个人意见,但我确信不止我一个人这么想。改善这点也很简单,写明具体的国家或城市,这样能让简历更准确且完整。

2. 作品集

我认为这对于刚接触数据科学的人来说尤其重要,特别是对于刚完成相关认证课程和项目的人群。列出完成的课程是不够的,因为完成课程的人都必须完成某些项目。除此之外,求职者还必须展现给面试官,他们学到了什么,并且能够将所学应用到具体的问题情景中。

完成个人数据科学项目。例如,不属于任何课程的Kaggle比赛等;发布过一些文章,关于最近阅读的内容,或喜欢的工具、算法等。

3. 所提到的技能或成果

这里并不是指像MS Office、敏捷方法论、参加每日Scrum会议,在机器学习课程中取得优异成绩等。我希望在技能方面看到求职者展现的是,所掌握的编程语言、机器学习库、可视化库、项目管理等。以及一些实际的成就,比如“我构建的模型A减少了软件B中XX%的错误”之类。在简历中堆满相关技能的关键字也是不可取的,这可能会通过机器筛选,但会在人为筛选中被刷下来。

4. 简历的长度

对于简历的长度,不同国家有不同的规范。最近,在LinkedIn上,Andriy Burkov关于这个问题提出了他的看法。

他认为,对于工作经验不到10年的人来说,简历应该只有1页。但是,我经常看到长达7-8页的简历,而且当中没给我任何有价值的信息。每个小项目都详细地进行解释,而许多项目甚至与数据科学无关。

一些博士生和博士后会在简历列出所有发表的文章,但这并不太符合行业背景。我本人有博士学位,对于有些工作我会提交长8页的简历,当中列出我发表的全部文章。但我还有一份2页的简历,专门针对那些与工程团队联系更紧密的职位。

除此之外,另一件让我感到不解的是,有些人在电话面试中表现得很冷漠。表现出对这份工作的兴趣,更多地了解团队构成,比如数据科学团队有多少人,工作流程是怎样的等等,以及对面试过程的好奇。这些都体现出求职者对这份工作的兴趣。在我有限的经验中,不问这些问题都是很不利的。

总而言之,在准备简历和准备面试时,要记住以下五点:

  • 确保简历清晰、简洁
  • 建立个人作品集,在简历中附有具体的链接,比如GitHub个人主页或博客
  • 简明扼要地描述技能和成果,且与职位相关
  • 不要让简历太长
  • 表现出对公司和职位的兴趣

那么,这是否意味着没有数据科学经验的人不应该申请呢?

当然不是。让我们以P为例,他是一位自学的数据科学家。他上了一些在线课程,然后开始做个人项目。他不写博客,也没有在github列出所有项目内容,但他能够详细描述自己所做的内容。那么该如何展示在简历中呢?可以类一个“个人数据科学项目”的部分,罗列完成的个人项目,每个项目3、4句话。仅仅是Kaggle比赛还不够,毕竟它们与真实情况有些距离。

要记住最终,每个人的目标都是让自己的简历在其他求职者中脱颖而出。

原文发布于微信公众号 - CDA数据分析师(cdacdacda)

原文发表时间:2018-10-30

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏PPV课数据科学社区

数据分析师面试指南

经常被问到一个问题,数据分析师或者数据挖掘工程师面试都问什么问题啊?特别是以下几类人群: 1、想转行做数据分析工作的朋友。 2、之前在比较小的公司做数据分析师,...

3746
来自专栏CDA数据分析师

Facebook中止聊天机器人项目是因为恐慌AI会自创语言了?其实你想多了

前言 最近,关于 Facebook 的两个聊天机器人学会了相互交谈,接着 Facebook 人工智能研究院(FAIR)关停该“失控” AI 项目的新闻满天飞,人...

20510
来自专栏程序员笔记

体验产生于玩家的思想里

1462
来自专栏DevOps时代的专栏

焦焦虑虑的的时时代代,,工工程程师师如如何何高高效效学学习习??

最近团队内经常有工程师(尤其是工作经验浅的)会问我同一个问题:如何快速高效学习?大家似乎都很焦虑,渴望通过高效学习来提升自己,快速成长。基于自己的实践和思考,我...

1623
来自专栏大数据文摘

沈浩:新媒体时代,数据新闻需要什么样的人才?

2606
来自专栏大数据挖掘DT机器学习

沈浩老师:谈谈数据挖掘技术

我在写市场研究中的多变量分析时,总是有同学问我关于数据挖掘的相关问题,我在写博客文章的时候也说要详细说说数据挖掘;什么是数据挖掘呢?如果有人问我...

3728
来自专栏华章科技

VR+大数据:感知大数据,绽放新智慧

从技术的观点来看,大数据的全生命周期大致可以分为数据采集、数据存储、数据处理、数据分析、数据可视化、数据决策及数据服务七个阶段(见下图)。

872
来自专栏CDA数据分析师

数据分析告诉你,Papi酱的广告应该值多少钱?

? 2016年伴随网红这个词迅速蹿红,以及网红撬动资本时代到来,papi酱迅速走进资本圈视野,并开启了网红变现第一战:广告拍卖。外部盛传papi酱估值千万人民...

2965
来自专栏AI研习社

【头条】微软剑桥推出 DeepCoder 系统;谷歌工程师用“买芒果”理论解释机器学习

微软剑桥联合推出 DeepCoder 近日 AI 研习社获悉,微软和剑桥大学的研究员近日发布了一篇介绍“会编程的机器学习系统——DeepCoder”的论文。据介...

3474
来自专栏新智元

【中国AI合伙人】助理来也胡一川、罗超专访(视频)

2586

扫码关注云+社区

领取腾讯云代金券