مریم حسنعلی
مریم حسنعلی
خواندن ۱۲ دقیقه·۴ سال پیش

راهنمای رزومه نویسی برای متخصص علم داده:

برای درخواست یک فرصت شغلی در هر کمپانی یا شرکتی نیاز به یک رزومه داریم و در واقع رزومه لایه نخست عبور از فرآیند استخدام است. رزومه شرح مختصری از صلاحیت ها و تجربیات شخصی، آموزشی و حرفه ایی فرد است. اگرچه نوشتن یک رزومه کار ساده ایی به نظر می رسد، اما چالش برانگیز است. در ادامه به نکاتی درمورد نوشتن رزومه دقیق و شفاف در زمینه علم داده آورده شده است. اگر چه رزومه و cv با هم تفاوت هایی دارند، ولی در اینجا این دو لغت یکسان در نظر گرفته شده است.

یک رزومه معمولا از بخش های زیر تشکیل شده است:

  • نام
  • عنوان شغلی
  • اطلاعات تماس
  • پروژه ها و نشریات (publications)
  • تجربیات شغلی
  • تحصیلات دانشگاهی
  • مهارت ها
  • سایر موارد (Extras)

در ادامه به توضیح دقیق تر هر کدام از این موارد می پردازیم.

رزومه علم داده خود را کوتاه نگه دارید:

اولین نکته ایی که در نوشتن رزومه باید به آن توجه کنید این است که رزومه خود را کوتاه و خلاصه بنویسید. یک رزومه خوب باید یک صفحه باشد مگر اینکه ده سال تجربه کاری مرتبط با شغل درخواستی خود داشته باشید. کارفرمایان هر روزه تعداد زیادی رزومه دریافت می کنند و برای هر رزومه حدود 30 ثانیه وقت می گذارند و تصمیم گیری می کنند. ممکن است تعداد زیادی پروژه علم داده داشته باشید که می خواهید آنها را در رزومه مطرح کنید، اما باید اولویت بندی کنید نقاط مرتبط و مهم تجربیات خود را در رزومه بیاورید.

رزومه خود را با توجه به توصیف شغل و شرکت مورد نظر سفارشی کنید:

اگر چه می توانید یک رزومه شغلی علم داده تهیه کنید و آنرا برای هر فرصت شغلی مربوطه ارسال کنید، اما بهتر است رزومه خود را برای هر درخواستی، سفارشی سازی کنید. این عمل نیازمند کار بیشتری است، اما با افزودن جزئیات بیشتر که مطابق با شرح شغل مورد درخواست است، روی کارفرما تاثیر مثبتی می گذارید. می توانید با مراجعه به سایت شرکت مورد نظر نیز اطلاعات بیشتری در مورد فرصت شغلی مذکور بیابید. زمانی که از مهارت های مورد نیاز یک شغل اطلاع پیدا کردید، مطمئن شوید که آنها را در رزومه خود برجسته کرده اید.

یک قالب برای رزومه خود انتخاب کنید:

با اینکه هر رزومه ایی شامل اطلاعاتی مانند تجربیات کاری گذشته، مهارت ها، اطلاعات تماس و ... است، اما شما باید یک رزومه مخصوص به خود داشته باشید. می توانید رزومه خود را از ابتدا طراحی کنید، اما راه آسانتر این است که از وب سایت های رایگانی مانند VisualCV، CVMKR و یا قالب های رزومه گوگل داک استفاده کنید. به خاطر داشته باشید انتخاب نوع قالب رزومه نیز مهم است. مثلا زمانی که درخواستی به شرکتی با حال و هوای سنتی (مانند DELL یا HP) می دهید، از قالب های کلاسیک استفاده کنید. مانند شکل زیر:

رزومه با قالب کلاسیک
رزومه با قالب کلاسیک


اما وقتی که به شرکتی با حال و هوای استارت آپی (مانند گوگل و فیس بوک) درخواست می فرستید، می توانید ذوق بیشتری به خرج دهید و از گرافیک و رنگ نیز استفاده کنید. مانند شکل زیر:

اطلاعات تماس:

همیشه بخش مربوط به اطلاعات تماس را دوبار کنترل کنید. نام، عنوان شغلی و اطلاعات تماس همیشه باید در بالای صفحه قرار داشته باشد. اگر یک کارفرما بخواهد بر اساس رزومه با شما تماس بگیرد، نباید کل صفحه برای یافتن اطلاعات تماس شما، جستجو کند. چند نکته در مورد اطلاعات تماس خود بخصوص با توجه زمینه علم داده در نظر بگیرید:

  • کل آدرس فیزیکی خود را در رزومه نیاورید و فقط شهر و منطقه خود را در رزومه بیاورید.
  • مطمئن شوید که یک شماره تلفن پاسخگو و یک آدرس ایمیل حرفه ایی در رزومه قید کرده اید. یک آدرس ایمیل خوب ترکیبی از نام و نام خانوادگی شماست (مانند firstname.lastname@gmail.com یا firstname@yourwebsiteURL.com) می باشد. از ایمیل های شخصی در رزومه خود استفاده نکنید.
  • رزومه باید شامل لینک پروفایل لینکدین شما باشد. اما همه آدرس URLلینکدین خود را کپی نکنید، چون ظاهر جالبی ندارد. می توانید URLپروفایل شخصی سازی شده و کوتاهتری از این لینک ایجاد کنید یا می توانید به سادگی از سرویس های کوتاه سازی URL مانند bit.ly استفاده کنید.
  • می توانید لینک گیت هاب یا لینک پروفایل شخصی خود را به اطلاعات تماس اضافه کنید و آن را قابل کلیک کردن بسازید. زمانی که برای شغل های مرتبط با علم داده درخواست می دهید، بیشتر کارفرمایان می خواهند نگاهی به نمونه کارهای شما بیاندازند و ببیند روی چه پروژه هایی کار کرده اید.
  • مطمئن شوید عنوان شغلی شما (که معمولا زیر نام شما قرار دارد) نشان دهنده عنوان شغلی است که جستجو می کنید نه شغلی که در حال حاضر دارید. اگر می خواهید به عنوان یک دانشمند داده کار کنید، عنوان شغلی شما باید دانشمند داده باشد، حتی اگر در حال حاضر آشپز هستید.

نمونه ایی از بخش اطلاعات تماس در لینک زیر آورده شده است:

پروژه ها و نشریات (publications) مربوط به علم داده:

بلافاصله بعد از نام، عنوان شغلی و اطلاعات تماس باید بخش مربوط به پروژه ها و نشریات قرار گیرد. در هر رزومه ایی، به ویژه در صنعت فناوری، اصلی ترین چیزی که که باید برجسته کنید چیزی هایی هستند که ایجاد کرده اید. در حوزه علم داده، این کارها می تواند شامل پروژه های تحلیل داده، پروژه های یادگیری ماشین، مقالات علمی منتشر شده یا حتی آموزش های کدنویسی باشد. کارفرمایان می خواهند بدانید آیا شما می توانید مهارت های ادعا شده را اثبات کنید.

  • پروژه های مرتبط با شغل درخواستی را در رزومه به نمایش بگذارید: اگر چه یک رزومه می تواند شامل پروژه های شخصی باشد، اما باید پروژه های مرتبط با شغلی که درخواست دادید را انتخاب کنید. پروژه ها باید مهارت های تکنیکی شما را نشان دهد، اما همچنین باید نشان دهد چگونه مهارت های شما برای حل مسائل کسب و کار دنیای واقعی قابل به کارگیری است. باید حداقل یک پروژه یا مقاله در رزومه خود داشته باشید، اما تا آنجا که می توانید تعداد آنها را افزایش دهید.
  • مهارت های خود برجسته کنید: زمانی که پروژه ایی را شرح می دهید، در مورد مهارت ها، ابزارها، تکنولوژی های مورد استفاده، چگونگی ایجاد پروژه و سهم فردی شما اگر پروژه را به صورت گروهی انجام دادید، توضیح دهید. زبان برنامه نویسی و کتابخانه های مورد استفاده را مشخص کنید. نگران این نباشید که این مهارت ها را دوباره در بخش مهارت های رزومه تکرار کنید. در حقیقت هر چه تعداد دفعات تکرار این ابزارها، تکنولوژی ها و مهارت ها در رزومه بیشتر باشد، بهتر است.
  • چگونه مهارت های ارتباطی را به تصویر بکشیم؟ به یاد داشته باشد که کار دانشمند داده فقط کار با داده ها نیست، باید داده ها را تحلیل کند و سپس یافته های را برای حل مسائل کسب و کار مبادله کند. کارفرمایان علم داده به دنبال افرادی هستند که نه تنها مهارت های تکنیکی مورد نیاز را داشته باشند، بلکه بتوانند ارتباطات موثری برقرار کنند. آنها دانشمندان داده ایی را می خواهند که به طور موثر با داده ها داستان سرایی کنند. یکی از راههای نشان دادن این ویژگی، برجسته کردن پروژه های اشتراکی است که اثبات می کند می توانید با یک تیم کار کنید و ارتباط داشته باشید. همچنین موفقیت های خود را با معیارهای کسب و کارها کادربندی کنید زیرا نشان می دهد شما درک می کنید چگونه تحلیل شما قابل به کارگیری در مسائل کسب و کارهای بزرگتر است.
  • چگونه پروژه های خود را برجسته کنید: روش خوبی که می تواند شما را از دیگران متمایز کند، ذکر کارهایی است که با داده های غیر ساختاری انجام داده اید. برای مثال می توانید با داده های ویدئو، پست ها، بلاگ ها، نظرات مشتریان و فایل های صوتی کار کنید. تجربه کار با داده های ساختارنایافته بسیار چشمگیر است زیرا نشان می دهد قادر به کار با داده های غیر تمیز هستید نه اینکه تنها با داده های تر و تمیز دیتاست ها سروکار داشته اید. در صورت امکان، مطمئن شوید نتایج قابل اندازه گیری پروژه های خود را در رزومه آورده اید. برای مثال، اگر مدل یادگیری ماشینی ایجاد کردید که اهداف فروش را 15 درصد افزایش داده است، آن را بیان کنید.

در شکل زیر نمونه ایی از آنچه در این قسمت گفته شد، آمده است:

تجربیات شغلی:

در این بخش باید تجربیات کاری یا تخصصی خود را بیان کنید. جدیدترین تجربیات کاری را باید در ابتدا و تجربیات قبلی را به ترتیب در زیر آن بیاورید. این که چند سال از تجربیات خود را در رزومه قید کنید، به عوامل مختلفی بستگی دارد. اما معمولا 5 سال آخر تجربیات شغلی در رزومه آورده می شود. اما اگر تجربه کاری مرتبط با شغلی درخواستی دارید که مربوط به بیش از 5 سال قبل است، آن را در رزومه بیاورید.

به خاطر داشته باشید، نباید همه تجربیات کاری خود را در رزومه قید کنید، اما مطمئن شوید سوابقی که در رزومه مطرح کردید، یکپارچه است. فاصله بیش از 6 ماه بین تجربیات شغلی خط قرمزی برای کارفرمایان می باشد. اگر چنین فاصله ایی وجود دارد، دلیل آن را توضیح دهید. مثلا اگر دو سال به خاطر تولد و بزرگ کردن فرزندتان از کار فاصله گرفته اید، آن را در رزومه قید کنید.

زمانی که تجربیات کاری خود را در رزومه می آورید، باید در هر مورد عنوان شغلی، نام شرکت، مدت زمانی که در آن شغل بودید و موفقیت های خود را در آن شغل بیاورید. فرمت یکسانی را برای کل رزومه و بخصوص این بخش در نظر بگیرید. برای مثال اگر برای توصیف یک شغل از دایره های توپر استفاده کرده اید، برای سایر شغل ها نیز از همان فرمت استفاده کنید یا اگر برای مدت زمان تجربیات کاری خود از تعداد ماه (به جای سال) استفاده کردید، برای سایر موارد نیز همین کار را بکنید.

اگر تجربه کاری مرتبط با شغل درخواستی دارید (مثلا اگر کار قبلی شما مرتبط با علم داده و تحلیل بوده است)، به جای شرح وظایف، بیشتر به موفقیت ها و دستاورد های خود در این شغل بپردازید. کارفرمایان بیشتر علاقمندند بدانند واقعا چه کارهایی انجام داده اید، نه اینکه قرار بوده چه کاری انجام دهید.

به یاد داشته باشید، کادر بندی موفقیت ها و دستاورد ها در علم داده، با توجه به معیارهای کسب و کار، راه مناسبی برای نشان دادن فهم شما از تصویر کلی و درک چگونگی تبدیل نتایج تحلیل به نتایج کسب و کارهای واقعی است. اگر تجربه کاری مرتبط با شغل درخواستی ندارید، در این بخش تنها نام شرکت، عنوان شغلی خود و مدت زمان اشتغال را بیاورید و با بیان جزئیات شغل های نامرتبط، فضای رزومه را اشغال نکنید. در شکل زیر نمومه ایی از این بخش رزومه آورده شده است.

تحصیلات دانشگاهی:

اگرچه داشتن مدرک دانشگاهی بسیار خوب است، اما نیازی نیست آن را در اولین بخش رزومه خود بیاوررید مگر اینکه دانشجوی فارغ التحصیلی باشید که اولین شغل خود را در زمینه مرتبط جستجو می کند. در بسیاری از رزومه ها، تحصیلات در ابتدا قرار می گیرد اما اگر تجربه کاری کسب کردید و پروژه های مرتبطی برای ارائه دارید، آنها را در ابتدای رزومه قرار دهید و تحصیلات را نزدیک به انتها قرار دهید.

در این بخش باید مدارک دانشگاهی خود را قرار دهید. اگر به دانشگاه رفته اید ولی آن را تمام نکردید و مدرک دریافت ننموده اید، بهتر است آن را در رزومه نیاورید. اگر مدرک تحصیلی شما مرتبط با شغل درخواستی تان نیست، آن را در رزومه بیاورید. اگر مدرک دانشگاهی ندارید، بخش تحصیلات دانشگاهی را از رزومه خود حذف کنید و تحصیلات دبیرستانی خود را در این در این بخش نیاورید زیرا این کار نیز خوشایند کارفرمایان نیست. همچنین، گواهی های دوره های آنلاین یا سایر دوره های تخصصی را نیز در این بخش قرار ندهید. بسیاری از دانشمندان داده این دوره ها را گذرانده اند و قرار دادن این گواهی ها در رزومه کار درستی است، اما نباید در بخش مدارک تحصیلی قرار بگیرند. نمونه ایی از بخش تحصیلات در شکل زیر آورده شده است:

مهارت ها، گواهی های پایان دوره و سایر موارد (Extras):

اگر به دنبال اولین شغل خود در زمینه علم داده هستید، نشان دادن مهارت ها و تجربیات مطرح شده در رزومه کار سختی است. اما روش هایی برای نشان دادن مهارت های خود، علاوه بر قرار دادن آنها در بخش پروژه ها و نشریات علم داده وجود دارد:

  • قرار دادن مهارت هایی که آموختید در بخش مهارت ها
  • افزودن بخش سایر موارد درباره فعالیت های و آموزش های مرتبط

بخش مهارت ها انتخابی نیست: برای موقعیت های فنی، بخش مهارت ها ضروری است. به احتمال زیاد، اولین گام کارفرمایان در مواجهه با رزومه شما این است که به دنبال کلمات کلیدی مانند پایتون یا یادگیری ماشین می گردند. تنها مهارت های فنی را در این بخش قرار دهید و مهارت های نرم مانند مهارت های ارتباطی یا مدیریتی را در این بخش قرار ندهید. مهارت های مرتبطی را که به آن تسلط دارید را در ابتدای این بخش قرار دهید و مهارت هایی که در آن ضعیف هستید یا به شغل مورد نظر کمتر مرتبط است را در انتها قرار دهید. اگر به مهارتی تسلط ندارید، آن را در رزومه قید نکنید، زیرا کارفرمایان در مورد آن از شما سوالاتی می پرسند که باید پاسخگو باشید. مثلا اگر تنها یکبار کتابی در مورد زبان برنامه نویسی R خوانده اید ولی به این زبان کد نویسی نکرده اید، آن را جزء مهارت های خود قرار ندهید.

چه زمانی بخش سایر موارد را اضافه کنیم؟ اگر همه بخش های ذکر شده را در رزومه آوردید و هنوز فضای خالی در رزومه دارید، می توانید بخش سایر موارد را برای نشان دادن یادگیری و توانایی رشد خود در این زمینه را به رزومه اضافه کنید. در این بخش می توانید جوایز، گواهی های پایان دوره، آموزش ها و یا هر چیز دیگری که حرفه ایی و مناسب به نظر می رسد را قرار دهید. در حوزه علم داده، در این قسمت می توانید نتایج مسابقات کگل (kaggle)، گواهی های پایان دوره، رویدادهای مرتبطی که در آن شرکت کرده اید و هر چیزی که نشان می دهد شما در حال یادگیری و فعالیت در این حوزه هستید، قرار دهید. هاکاتون های (hackathons) علم داده و یادگیری ماشین، مزیت بزرگی برای رزومه شما هستند. آنها نشان می دهند شما دارای روحیه رقابتی سالم هستید و هنگامی که محتوی و پروژه های واقعی تولید می کنید، می توانید دانش و مهارت های خود را افزایش دهید. این موارد نیز می تواند در این بخش قرار گیرند. نمونه ایی از بخش مهارت ها و موارد دیگر در شکل زیر قابل ملاحظه است:

نکته آخر:

پس از قرار دادن همه بخش های مربوطه در رزومه، آخرین کار مهم بررسی املا و دستور زبان رزومه است. داشتن اشتباهات دستوری یا املایی تاثیر منفی بر روی کارفرمایان می گذارد. از یک یا چند دوست خود بخواهید رزومه را بررسی کنند و به شما بازخورد بدهند. در ادامه نمونه ایی از یک رزومه کامل در حوزه علم داده را مشاهده می کنید:

منبع: سایت www.dataquest.io

با توجه به اینکه این نوشته با توجه به منابع خارجی تهیه شده است، لطفا پیشنهادات و نظرات خود را برای بومی سازی و بهبود این مطلب بیان بفرمایید.

هوش مصنوعیعلم دادهرزومه نویسییادگیری ماشین
علاقمند به حوزه های هوش مصنوعی و یادگیری ماشین و ... کانال من در تلگرام: @meteorjournal ایمیل من: maryam.hasanali@gmail.com
شاید از این پست‌ها خوشتان بیاید