初学者数据科学家的课程提示
初学者数据科学家的课程提示
了解课程过滤的工作原理，以及如何为受众量身定制
如果您刚开始从事数据科学，您的简历对于帮助您找到第一份工作至关重要。许多潜在的优秀数据科学家在“简历筛选”步骤中被筛选后无法获得工作面试。
有几个指南充满了关于如何编写有效简历的建议。他们回答最不同的问题，例如：
- 简历应该长一页吗？还是两页？
- 我应该为我的简历使用标准模板吗？
- 我应该如何描述我在大学所做的事情？
- 是否需要添加个人项目？
这些规则有时听起来像是神秘的知识，可以保证遵循它们的每个人都通过 CV 过滤步骤，独立于其他变量。我的意思不是说它们没用或者你应该避免它们，但我的印象是它们很少注意 主要方面 应该重点关注，即：
- 了解 CV 过滤步骤的工作原理，以及……
- 学习如何根据受众（和目标）来定制你的简历。
在我个人看来，这两个方面具有根本重要性，并且比其他方面更重要。还有许多其他有用的方面可以考虑，但本文不会讨论它们。
CV 过滤步骤的工作原理
每家公司（或大学，或任何想雇用某人的人）都有不同的招聘流程。尽管如此，他们中的大多数开始如下：
- 该公司预计，在不远的将来，他们可以与现有的数据科学家一起处理更多的工作。因此，该公司发布了一份“数据科学家”职位的工作机会，其中列出了要求和要求。
- 求职者发送他们的简历。
- CV 会经过 HR 和技术人员（有时甚至是软件）完成的一些过滤步骤，这些步骤会删除没有过滤的 CV 清楚地 显示工作职位的要求，即候选人 不太可能 非常适合这个职位。招聘人员阅读简历的时间有限，而且很难在短时间内理解候选人是否会成为一名优秀的员工。这一步并不完美！
- 其余的求职者开始面试。
本文的目标是帮助有能力的数据科学家达到第 4 步并开始实际面试，而这可以通过精心设置的简历更频繁地实现。然而，在 99% 的情况下，你不会仅仅因为你的简历而被录用，你还需要在面试中取得好成绩。
招聘权衡
在招聘新候选人时，公司可能会犯两种错误：
- 它可以雇用一个糟糕的候选人（即误报）。
- 它可以拒绝一个好的候选人（即假阴性）。
从公司的角度来看，您认为哪个错误是最严重的？雇用一个糟糕的候选人通常被认为比拒绝一个好候选人更糟糕，但权衡取舍取决于具体情况。例如：
- 有些公司提供高薪并且在招聘过程中有很多步骤，从而减少了糟糕招聘的可能性。
- 其他公司可能会提供较低的薪水，因此更能抵制不良招聘，从而使面试过程更加轻松快捷。
- 有时，公司迫切需要为短期内开始的项目雇用人员。在这种情况下，它可以重新评估权衡。
- 面试候选人需要时间，时间就是金钱。因此，一旦找到“足够好”的候选人，他/她可能会立即被录用并终止选拔过程。如果是这样，尚未面试的更好的候选人可能会被“拒绝”。
加起来：
- CV过滤的目的是过滤出符合条件的候选人 不太可能 非常适合该职位。
- 筛选简历的人可能不是您所在领域的专家，并且评估它的时间有限。这是一个嘈杂的过程。
- 如果不显示，您的简历更有可能被过滤掉 清楚地 和 迅速地 您满足该职位的要求。
- 有时，由于与您无关的原因，您没有达到面试步骤。
所以，求职者应该专注于他/她可以控制的事情，即“ 清楚地 和 迅速地 向招聘人员表明他/她满足工作职位的要求”。
如何在考虑受众（和目标）的情况下定制您的简历
每个演示文稿都应该在编写时考虑到受众，才能有效。
对于您的 CV，这实质上意味着您在编写它时知道 CV 过滤步骤是如何工作的。目标是“展示 清楚地 和 迅速地 你满足工作职位的要求”，所以：
- 保持简历简短和相关 .如果你写太多与工作无关的东西，招聘人员可能会误解你的准备工作，并认为你的简历比更精确的数据科学简历更糟糕。不要害怕使用一页简历，只要您优先考虑与工作职位相关的信息。
- 按与工作职位的相关性对项目进行排序 .你想尽快引起招聘人员的注意。
不幸的是，大学通常不教授为特定受众定制演示文稿。即使你做演讲，听众通常也是一样的，也就是技术学术人士。学生很少需要向不同的受众传达相同的概念。相反，当在一家典型的公司工作时，这种情况会发生变化，在那里你会发现自己向技术人员和业务人员解释你的工作结果，他们通常会说不同的语言。
同样，如果你申请的是博士，你的简历应该会有很大的不同。或在公司工作。
简历示例
考虑以下两个 CV，它们指的是同一个候选人。
简历 1：
教育
XYZ大学硕士
我学习了“运筹学基础”、“软件工程2”、“人工智能基础”、“机器学习”、“计算架构”、“高级计算机架构”、“数据挖掘”、“计算机伦理”、 “神经网络”、“软计算”、“自然语言处理”、“医学图像”、“视频游戏设计与编程”、“推荐系统”、“力学”和“生物医学信号处理”。
我帮助“XYZ 大学-人工智能研究小组”进行实验并撰写了论文“Sparse transformers for Breast Cancer Classification”，并在 AAAI-22 上发表。我还以个人和团队的形式参与了许多数据科学项目，例如“技术教程推荐系统”和“Github 问题分类器”。
简历 2：
教育
XYZ大学硕士
相关课程
人工智能、机器学习、神经网络、软计算、自然语言处理、推荐系统和数据挖掘的基础。
相关项目
- “技术教程推荐系统”：团队项目。使用 Python、jupyter notebook、sklearn、句子嵌入、BERT 构建。
- “Github 问题分类器”：单个项目。使用 Python、jupyter notebook、TensorFlow、Keras 构建。
- “用于乳腺癌分类的稀疏变换器”：团队项目。使用 Python、jupyter notebook、PyTorch 进行了实验。帮助撰写科学论文。
哪个简历最好？我们不能说，因为 这取决于观众， 即谁阅读了简历以及他/她在寻找什么。请记住，简历的目标是“ 清楚地 和 迅速地 向招聘人员表明申请人满足该职位的要求”。
考虑以下场景：
- 假设您正在申请一家通用数据科学咨询公司。然后，在 CV 过滤阶段，公司可能会寻找“Python”、“Jupyter notebook”、“Sklearn”或“TensorFlow”等关键词，并至少有一个数据科学项目的实践经验。在这种情况下，CV2 应该更有可能通过过滤器。请注意 CV2 是如何以一种更容易找到特定关键字的方式构建的。此外，文本分类和推荐系统的项目放在乳腺癌分类项目之上，因为它们更能代表典型的数据科学咨询公司面临的项目（尽管它们比“乳腺癌分类”更容易解决） ）。相反，CV1 可能会因为多种原因被过滤：如果公司使用 Python 但申请人只知道 R 怎么办？
- 假设您正在申请博士学位。 XYZ 大学的数据科学职位。然后，大学会很高兴知道您已经与“XYZ大学-人工智能研究组”合作，并且您学习了他们人工智能硕士学位的所有课程。因此，CV1 应该优于 CV2。
- 假设您正在申请一家专门从事医疗领域的数据科学咨询公司。然后，由于人工智能和医学课程的研究，候选人非常适合。一份好的简历应该是 CV1 和 CV2 的混合体，它突出了数据科学和医学领域的理论和实践知识。假设的 CV3 将是：
教育
XYZ大学硕士
相关课程
人工智能基础、医学图像、机器学习、生物医学信号处理、神经网络、软计算、自然语言处理、推荐系统和数据挖掘。
相关项目
- “用于乳腺癌分类的稀疏变换器”：我帮助“XYZ大学-人工智能研究”组撰写了论文“用于乳腺癌分类的稀疏变换器”，该论文在AAAI-22上发表。
- “技术教程推荐系统”：团队项目。使用 Python、jupyter notebook、sklearn、句子嵌入、BERT 构建。
- “Github 问题分类器”：单个项目。使用 Python、jupyter notebook、TensorFlow、Keras 构建。
简历仅包含最相关的信息，并按相关性排序。请注意，关于“乳腺癌分类”的项目现在高于关于文本分类和推荐系统的项目。
我应该为我申请的每家公司量身定制我的简历吗？
我知道为每个工作申请调整简历需要很长时间，而且这种投资并不总是合理的。如果您的简历让您始终如一地进入面试步骤，那么您不应该改变它！
但是，如果出现以下情况，您可以考虑调整您的简历：
- 你申请了很多公司，似乎一次面试都没有，或者……
- 你正在申请你梦想中的公司，你不想被拒绝。
此外，如果您清楚自己想做的工作类型（例如在医疗领域的数据科学咨询公司工作），您可能只需要定制一次简历。为您想做的每种工作类型而不是您申请的每家公司量身定制不同版本的简历是有意义的。
结论
我希望这些小技巧和例子可以帮助有能力的人不要迷失在CV过滤的不完善步骤中。仅仅因为人们未能充分展示自己而错过机会是一种耻辱。无论如何，我总是建议你拥有良好的演讲和讲故事的技巧，因为它们在数据科学家的日常工作中也特别有用。
感谢您的阅读！如果你有兴趣了解更多关于 NLP 的知识，记得关注 NLPlanet 中等的 , 领英 , 推特 ，并加入我们的新 不和谐服务器 ！
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明
