雷鋒網(wǎng)按：本文為雷鋒字幕組編譯的技術(shù)博客，原標(biāo)題 The 4 fastest ways not to get hired as a data scientist，作者為 Jeremie Harris。

翻譯 | 陶玉龍    整理 |  凡江

在 SharpestMinds 公司工作期間，我看過(guò)許多數(shù)據(jù)科學(xué)方面的求職簡(jiǎn)歷。因?yàn)檫@個(gè)平臺(tái)是基于一個(gè)龐大的反饋機(jī)制而建立的，我們不斷地從發(fā)布信息的公司那里得到反饋——不僅是關(guān)于他們是否想要面試或雇傭候選人，還有關(guān)于他們?yōu)槭裁催x擇面試或雇傭那些人。

通過(guò)了解數(shù)百家公司的招聘過(guò)程，我們了解到哪些簡(jiǎn)歷是公司所青睞的，哪些簡(jiǎn)歷在審核過(guò)程中會(huì)被淘汰。 

注意：每個(gè)公司對(duì)員工的要求都不相同。被谷歌雇傭的人可能不會(huì)被其他公司錄用(甚至可能毫無(wú)用處)。因此，試圖構(gòu)建「完美」的通用性數(shù)據(jù)科學(xué)簡(jiǎn)歷幾乎是不可能的。 

話雖如此，但簡(jiǎn)歷中有些致命錯(cuò)誤是相似的，很可能會(huì)讓你的申請(qǐng)不被考慮。 

1. 在簡(jiǎn)歷上堆砌無(wú)關(guān)緊要的項(xiàng)目

如果你在簡(jiǎn)歷上羅列了過(guò)多瑣碎而無(wú)關(guān)緊要的項(xiàng)目，那把你的簡(jiǎn)歷直接淘汰是最快的解決方法。

如果你對(duì)此有些疑問(wèn)，如下這些項(xiàng)目就會(huì)成為你的減分項(xiàng)： 

• 基于泰坦尼克數(shù)據(jù)集對(duì)幸存者的分類

• 基于 MNIST 數(shù)據(jù)集進(jìn)行手寫數(shù)字分類 

• 基于虹膜數(shù)據(jù)進(jìn)行花卉種類分類

為什么這些會(huì)成為減分項(xiàng) 

候選人和招聘人員都清楚，簡(jiǎn)歷上的篇幅是有限的。因此，如果在簡(jiǎn)歷上過(guò)多羅列像 MNIST 那樣的項(xiàng)目，這可能會(huì)讓招聘人員會(huì)對(duì)你的發(fā)展?jié)摿Ξa(chǎn)生質(zhì)疑。

如何解決這個(gè)問(wèn)題

如果你的簡(jiǎn)歷包含這些類型的項(xiàng)目 -，而且恰巧你沒(méi)有其他更具挑戰(zhàn)性和實(shí)質(zhì)性的項(xiàng)目來(lái)替換它們 . 這說(shuō)明你需要花些時(shí)間做一些項(xiàng)目，讓自己的簡(jiǎn)歷更具有說(shuō)服性。 當(dāng)然，如果你有其他更有趣的項(xiàng)目來(lái)進(jìn)行展示，那么你肯定會(huì)想用他們進(jìn)行代替。

例外

當(dāng)然了，利用 MNIST 或泰坦尼克號(hào)數(shù)據(jù)集也能構(gòu)建復(fù)雜的項(xiàng)目。如果你在項(xiàng)目中使用了一種你自己發(fā)明的新型 GAN，或者重現(xiàn)了膠囊網(wǎng)絡(luò)的論文。那就進(jìn)行大膽的嘗試吧。 但是請(qǐng)記住，大多數(shù)招聘人員都不是技術(shù)人員，他們通常只是通過(guò)尋找簡(jiǎn)歷中關(guān)鍵字來(lái)工作，因此您必須明確注明您的 MNIST 項(xiàng)目不僅涉及簡(jiǎn)單的數(shù)字分類任務(wù)。 

2. 在簡(jiǎn)歷中列出 Udacity 或 Coursera 項(xiàng)目 

像 Udacity，Coursera 和 deeplearning.ai 這樣的大規(guī)模在線開(kāi)放課程是進(jìn)行深度學(xué)習(xí)和數(shù)據(jù)科學(xué)深入學(xué)習(xí)的絕佳方式。話雖如此，如果你只在簡(jiǎn)歷里羅列這些經(jīng)歷，那么招聘人員可能會(huì)你產(chǎn)生懷疑。 

因此 如下這些事情要避免：

• 簡(jiǎn)歷中的大部分項(xiàng)目都是你的納米學(xué)位或其他在線課程完成的內(nèi)容 

• 很顯眼地列出您的在線課程項(xiàng)目，或者過(guò)分強(qiáng)調(diào)這些經(jīng)歷。 

為什么這會(huì)成為一個(gè)減分項(xiàng) 

公司在招聘人員的過(guò)程中難免會(huì)有一些自我意識(shí)。例如在招聘啟事上說(shuō)他們只雇用「非常特殊的人」，或「申請(qǐng)人中排名前 1％」等等。由于現(xiàn)在通過(guò)在線課程認(rèn)證的候選人特別多，因而你很難從中脫穎而出。 如今招聘人員都對(duì)許多在線課程非常熟悉，他們可以立即識(shí)別出那些屬于標(biāo)準(zhǔn)納米學(xué)科或在線課程的項(xiàng)目（例如，Udacity 的交通標(biāo)志分類任務(wù)，這會(huì)在你的簡(jiǎn)歷中顯得很刺眼）。為了能從眾多候選人中脫穎而出，你需要關(guān)注那些還沒(méi)有經(jīng)過(guò)深入研究的問(wèn)題。 

在這里我想明確的是：Udacity、Coursera 和 deeplearning.ai 都是很棒的在線學(xué)習(xí)平臺(tái)。它們也可以反映出候選人的可雇傭性和技術(shù)能力（根據(jù)我們獲得的數(shù)據(jù)顯示）。但是把這些放在簡(jiǎn)歷前面，而且?guī)缀鯖](méi)有他項(xiàng)目或經(jīng)驗(yàn)，很難讓那些正在尋找「真正特別的人」的招聘人員對(duì)你感興趣。 

如何解決這個(gè)問(wèn)題

一旦你完成你的在線課程或納米學(xué)位，你需要立刻參加 Kaggle 比賽，或者去復(fù)現(xiàn)數(shù)據(jù)科學(xué)論文中的結(jié)果。 

這很重要，因?yàn)樗?/p>

1）讓你看起來(lái)更與眾不同，2）給你在面試中展示和討論的前沿工作的機(jī)會(huì)，3）表明你有進(jìn)行獨(dú)立學(xué)習(xí)和工作的能力。 

例外 

如果你完成的這個(gè)在線課程是獨(dú)一無(wú)二的，那你不需要擔(dān)心上述問(wèn)題。我的意思是，您自由選擇所需的數(shù)據(jù)集，從頭開(kāi)始自主解決問(wèn)題。并在很大程度上靠您自己來(lái)解決問(wèn)題。因?yàn)檫@實(shí)際上和你自己完成一個(gè)項(xiàng)目沒(méi)有什么區(qū)別，不會(huì)成為你簡(jiǎn)歷的減分項(xiàng)。

3. 沒(méi)有在簡(jiǎn)歷中列出版本控制、開(kāi)發(fā)運(yùn)維、數(shù)據(jù)庫(kù)技能 

如果沒(méi)有注明你會(huì)這些技能，那這對(duì)從事數(shù)據(jù)科學(xué)會(huì)是致命的。 

以下是一些必備的技能： 

• 版本控制 (GitHub / GitLab) · 

• 開(kāi)發(fā)運(yùn)維 (AWS / Floydhub / Digital Ocean / Flask) 

• 數(shù)據(jù)庫(kù) (mySQL / mongoDB) 

為什么這會(huì)成為減分項(xiàng)

在數(shù)據(jù)科學(xué)中，人們感興趣的往往是算法，例如研究解決問(wèn)題的神經(jīng)網(wǎng)絡(luò)或增強(qiáng)樹(shù)的結(jié)構(gòu)架構(gòu)。因此這也是大多數(shù)人投入時(shí)間精力的地方。問(wèn)題在于，設(shè)計(jì)模型與可用于生產(chǎn)的深度學(xué)習(xí)或數(shù)據(jù)科學(xué)不同。數(shù)據(jù)科學(xué)中不太有趣的部分 (設(shè)置服務(wù)器，清理數(shù)據(jù)) 實(shí)際上構(gòu)成了數(shù)據(jù)科學(xué)家的日常工作。因此，僅僅掌握 Python / sklearn / TensorFlow / Keras / PyTorch 這些是不夠的。對(duì)于一個(gè)數(shù)據(jù)科學(xué)家而言，不具備這些技能就會(huì)被淘汰。 

不會(huì) GitHub？不會(huì) mongo？那不用了，謝謝。

如何解決這個(gè)問(wèn)題

如果你具備這些技能但未在簡(jiǎn)歷中列出，請(qǐng)列出。如果你缺乏這些技能，那么建議你立刻去學(xué)習(xí)，因?yàn)檫@些技能對(duì)于數(shù)據(jù)科學(xué)家來(lái)說(shuō)是必不可少的。 例外

如果你申請(qǐng)的更為高級(jí)的職位，那么是否列出這些技能并不顯得很重要。但是高級(jí)的職位意味著你需要更多的經(jīng)驗(yàn)和其他技能。

4. 沒(méi)有從你已完成的項(xiàng)目中學(xué)到任何東西 

如果你的簡(jiǎn)歷中列出了某個(gè)項(xiàng)目，那么面試中很可能問(wèn)到這個(gè)項(xiàng)目。 如果面試官問(wèn)你在這個(gè)項(xiàng)目中學(xué)到了什么，但你答不出來(lái)的話，這會(huì)讓面試官對(duì)你的印象大打折扣。

為什么這會(huì)成為減分項(xiàng)

既然你花了時(shí)間去研究一個(gè)項(xiàng)目，既然你在某個(gè)項(xiàng)目上花了時(shí)間，那么關(guān)于這個(gè)項(xiàng)目的問(wèn)題能夠體現(xiàn)你從中學(xué)到了什么，還會(huì)體現(xiàn)你考慮問(wèn)題的深度和溝通技巧。即使只是一個(gè)相當(dāng)簡(jiǎn)單的數(shù)據(jù)集，你也能從中有些收獲。

如何解決這個(gè)問(wèn)題

如果你的簡(jiǎn)歷中列出了某個(gè)項(xiàng)目，在面試前你要準(zhǔn)備好關(guān)于這個(gè)項(xiàng)目的見(jiàn)解和看法。 

例外 

這里沒(méi)有例外情況，如果你簡(jiǎn)歷中列舉了某個(gè)項(xiàng)目，你需要對(duì)其進(jìn)行總結(jié)反思。 

補(bǔ)充：拼寫錯(cuò)誤

其實(shí)這并不是數(shù)據(jù)科學(xué)方面的問(wèn)題，但在面試過(guò)程中，我們驚訝的發(fā)現(xiàn)很多人會(huì)出現(xiàn)拼寫錯(cuò)誤這樣的問(wèn)題?？偠灾诤?jiǎn)歷中出現(xiàn)錯(cuò)別字、拼寫錯(cuò)誤和格式錯(cuò)誤都是致命的。無(wú)論你的經(jīng)驗(yàn)水平如何，拼寫錯(cuò)誤都是必須避免的問(wèn)題，這會(huì)讓你的面試大大減分。 

為什么這會(huì)成為減分項(xiàng)

這并不值得奇怪，因?yàn)槟阍诤?jiǎn)歷中體現(xiàn)的細(xì)節(jié)問(wèn)題與你的項(xiàng)目能力和技術(shù)發(fā)展息息相關(guān)。

如何解決這個(gè)問(wèn)題

注意細(xì)節(jié)，仔細(xì)檢查。也可以讓英語(yǔ)為母語(yǔ)的人幫你檢查簡(jiǎn)歷。向他們保證如果你被錄用，他們會(huì)向他們支付 50 美元，這只是為了激勵(lì)他們更多地抓住任何不合適的小細(xì)節(jié)。 

例外

沒(méi)有例外，這方面不應(yīng)該有任何借口。

原文鏈接：https://towardsdatascience.com/the-4-fastest-ways-not-to-get-hired-as-a-data-scientist-565b42bd011e

雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。