Search for:
  • Home/
  • science/
  • ¿Busca trabajo en ciencia de datos? Así es como pasará por la fase de reanudar filtro

¿Busca trabajo en ciencia de datos? Así es como pasará por la fase de reanudar filtro

Muchos ejecutivos dedican unos segundos a un currículum para identificar candidatos adecuados. ¿Qué palabras clave están buscando, qué puede darle una ventaja sobre los demás y qué hace alguien con poca experiencia en el campo?

www.pexels.com

Escrito por Elad Cohen, vicepresidente de investigación y ciencia de datos

Como director del departamento de ciencia de datos, una gran parte de mi tiempo la dedico a contratar y leer currículums de candidatos. No me refiero a que dedico mucho tiempo a cada documento, todo lo contrario, sucede muy rápido, a nivel de segundos, y durante este tiempo me concentro en encontrar las palabras clave y las habilidades que requiere el trabajo. Esta es exactamente la razón por la que los candidatos para estos puestos deben ser meticulosos e incluir en el currículum las palabras clave correctas para pasar la selección inicial y llegar a la entrevista. Aunque cada gerente y gerente tiene sus propios métodos y cada puesto tiene sus propios requisitos, hay algunos puntos que pueden ayudar en una variedad de situaciones, incluso si no todos son relevantes para usted, es importante que los revise y trate de usarlos en su próximo puesto.

1. Indique su experiencia previa en ciencia de datos

La verificación de CV se realiza rápidamente, y durante este tiempo verificamos su trabajo anterior, es decir, aquellos marcados como “ciencia de datos”, aquí hay algunos otros títulos relacionados también como ingeniero de aprendizaje automático, científico de investigación o ingeniero de algoritmos. Si actualmente está trabajando en ciencia de datos, pero el título y la descripción del trabajo no incluyen estas palabras, debería considerar discutir el cambio de su título de trabajo para que demuestre que se trata de ciencia de datos. Este cambio es importante, por ejemplo, para los analistas de datos cuyo trabajo real es fallar en la ciencia de datos, pero el título puede abrumar a los ejecutivos de contratación y dejarlos en un escrutinio inicial.

Recuerde, incluso si un currículum describe los proyectos en los que ha trabajado que involucran aprendizaje automático, un título que no sea científico de datos podría agregar una ambigüedad innecesaria.

Además, si recientemente aprobó un campamento de entrenamiento de ciencia de datos o acaba de completar una maestría en el campo, los reclutadores pueden pensar que recién está comenzando. Para evitar esta situación, es necesario destacar su experiencia previa en este campo.

2. Identifique los logros comerciales de su empresa.

Idealmente, los reclutadores quieren leer sobre el aspecto técnico de su experiencia pasada, pero también sobre los resultados de su trabajo. Estos son claramente dos campos diferentes, y realmente hay una escasez de científicos de datos con conocimientos técnicos que puedan hablar en términos comerciales. Esta es exactamente la razón por la que compartir los KPI comerciales afectados por su negocio es una gran característica. Por ejemplo, sería bueno notar una mejora en su modelo en AUC, pero también sería bueno agregar una referencia al aumento en la tasa de conversión como resultado de la mejora en su modelo. De esta manera, el gerente sabrá que usted comprende la importancia del impacto comercial.

READ  Vitamina C y sepsis: datos agrios que indican daño

Por supuesto, no todos los proyectos de investigación se traducirán en logros comerciales (esto a menudo está fuera de la responsabilidad del empleado), pero definitivamente existe la expectativa de que algunos proyectos maduren y muestren mejoras reales. ¿Cómo lo escribes? Las siguientes alternativas describen el mismo trabajo con un enfoque diferente (artístico versus empresarial):

Y el. Modelo de impago de préstamos bancarios – Mejora de la precisión – Modelo de reembolso AUC 0,94 a 0,96.

SEGUNDO. Modelo de tasa de impago para préstamos bancarios: aumente el ingreso anual de una unidad de negocios en un 3% ($ 500,000 por año) mientras mantiene constantes las tasas de impago.

3. Qué escribir cuando no hay educación o cuando acaba de terminar

Como con cualquier documento de CV, es importante que escribas cuál es tu educación formal, en qué institución estudiaste y en qué campo te especializas. En los recién graduados, el promedio de calificaciones y los honores también tienen peso, por ejemplo, Honores o Decano. Dado que el mundo de la ciencia de datos es un campo altamente comprometido (sin un estándar acordado), las personas pueden ingresar a este campo utilizando varios métodos, y eso está bien. Pero si no tiene una educación formal en el mundo de la ciencia de datos, debe demostrar experiencia en esa área y / o títulos avanzados en campos similares.

4. Invierta en imágenes

Vi bastantes currículums hermosos, pero también recibí archivos de texto (.txt) que no tenían un diseño. El diseño de currículum puede ser un asunto simple, pero debe invertir en él. En la web, puede encontrar una variedad de plantillas de diseñador que le permitirán transmitir toda la información importante, teniendo en cuenta las restricciones de lugar en la página del CV.

Use la página del currículum con prudencia: debe dividirla y resaltar secciones específicas que no necesariamente se incluyen en la experiencia laboral o la educación. Por ejemplo, el kit de tecnología que conoces, una lista de proyectos propios que has realizado, enlaces a tu Github o blog y más. Los iconos simples también pueden ayudar a resaltar subtítulos.

Recomiendo no ser demasiado creativo al registrar conocimientos de diferentes lenguajes o herramientas de programación. Muchos candidatos usan estrellas, cupcakes o gráficos de barras para esto y, a veces, se hacen daño a sí mismos. Por ejemplo, escribir que tiene “4.5 estrellas” en la conducción no significa mucho y puede ser percibido como una palabra de moda; O presente un gráfico circular con 30% de Python, 10% de trabajo en equipo, etc., que ilustre la falta real de comprensión básica detrás del significado de los distintos diagramas.

READ  Una llave hecha de una sola molécula

Realmente hay muchas opciones y formas de enviar un CV, por lo que le adjuntamos un buen ejemplo visual, por supuesto con detalles borrosos a favor del anonimato:

5. Tipo de experiencia de aprendizaje automático

Como escribí, cada gerente de contratación tiene sus propios requisitos, pero yo me concentro en dos tipos de experiencia y hay razones para ello:

  • Tipo de algoritmos ML integrado o clásico versus aprendizaje profundo. Hay candidatos que solo trabajaron con aprendizaje profundo, incluidos datos altamente estructurados que se habrían adaptado mejor a los modelos basados ​​en árboles. Pero definir su propia caja de herramientas también puede limitar las soluciones y los métodos de afrontamiento, por lo que debe ampliar su conocimiento para incluir otros algoritmos de aprendizaje automático o centrarse en áreas que dependen en gran medida del aprendizaje profundo. Como dijo Maslow: “Si la única herramienta que tiene es un martillo, tiende a ver cada problema como un clavo”.
  • Campo ML A menudo es adecuado en dos áreas que requieren mucha experiencia: visión por computadora y procesamiento del lenguaje natural. Los expertos en estos campos son los más buscados, pero pueden ser menos aptos para un rol de ciencia de datos general. Por lo tanto, si la mayor parte de su experiencia es en PNL y está solicitando un puesto fuera del campo, intente resaltar los proyectos en los que trabajó en datos estructurados para mostrar su rango de experiencia.

Foto: Pexels

6. La pila tecnológica

Esta sección generalmente se puede dividir en idiomas específicos, paquetes específicos (scikit learn, pandas, dplyr, etc.), servicios en la nube (AWS, Azure, GCP) u otras herramientas. Algunos candidatos confunden esto con algoritmos o construcciones con los que están familiarizados (RNN, XGBoost, K-NN). Los detalles en su currículum se tratan mejor con técnicas y herramientas, porque cuando escribe sobre la experiencia con un algoritmo en particular, el reclutador se pregunta si su conocimiento teórico del aprendizaje automático se limita solo a estos algoritmos.

La importancia del clúster de tecnología también es importante, ya sea las tecnologías de los últimos años (una señal positiva de que el candidato es práctico y está aprendiendo nuevas habilidades), la presentación del grupo (las herramientas definidas o familiarizado con muchas cosas) y su idoneidad para nuestro grupo de tecnología (en qué medida necesitaremos enseñar El candidato).

READ  El estudio reconsidera los hallazgos históricos sobre la colocación de implantes.

7. Proyectos

¿Hay algo en lo que hayas trabajado que puedas compartir en Github? Cualquier concurso o proyecto paralelo de Kaggle puede ser beneficioso y agregar enlaces permitirá a los gerentes ver código corto, tipos de preprocesamiento, ingeniería de funciones, EDA, selección de algoritmos y un sinnúmero de otros problemas que deben abordarse en un proyecto real. Si no tiene mucha experiencia, es muy probable que le pregunten sobre uno o más de estos proyectos. En algunas de las entrevistas realizadas, los candidatos no recordaban mucho de los proyectos y no pudimos desarrollar una conversación sobre las decisiones tomadas y las razones detrás de ellas. Asegúrese de recordar el trabajo que hizo y, si no es así, no lo incluya en su CV. Del mismo modo, asegúrese de presentar su mejor proyecto: es mejor tener 2-3 proyectos de alta calidad en lugar de 8-10 proyectos de calidad media o baja.



Artículo patrocinado por Riskived

Riskived, una empresa que ofrece soluciones de pago y prevención de fraude crediticio en el comercio electrónico, ayuda a la industria del comercio electrónico a desarrollar todo su potencial al hacer de la industria un lugar seguro, accesible y rentable. Las marcas más importantes del mundo: las aerolíneas, la moda de lujo y las grandes cadenas dependen del riesgo para aumentar los ingresos, gestionar el riesgo y mejorar la experiencia del usuario. En Riskified Technology combinamos el desarrollo de productos a diario con nuestro desarrollo personal y profesional, y creemos en la independencia y propiedad general de nuestros productos. Mediante el uso de cantidades masivas de datos, algoritmos de aprendizaje automático y análisis de comportamiento, definimos transacciones legítimas y creamos valor para nuestros clientes. Usamos tecnologías avanzadas (Scala, Kafka, Spark, DynamoDB, Elasticsearch, Airflow), creamos aplicaciones para nuestros comerciantes (Angular y Node. Js) y usamos las infraestructuras que respaldan nuestro rápido crecimiento (Microservicios, Kubernetes, Istio, ArgoCD).
Hola e invita Únete a nosotros Y leer mas En nuestro blog.

imagen de símbolo

Reportero invitado

Ocasionalmente recibimos escritores de tecnología invitados que publican artículos en sus áreas de especialización. Si está interesado en publicar una publicación en su nombre, contáctenos usando el formulario de contacto en el sitio web.

"Defensor de la Web. Geek de la comida galardonado. Incapaz de escribir con guantes de boxeo puestos. Apasionado jugador".

Leave A Comment

All fields marked with an asterisk (*) are required