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，我看過許多數(shù)據(jù)科學(xué)方面的求職簡歷。因為這個平臺是基于一個龐大的反饋機(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。

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

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

話雖如此，但簡歷中有些致命錯誤是相似的，很可能會讓你的申請不被考慮。 

1. 在簡歷上堆砌無關(guān)緊要的項目

如果你在簡歷上羅列了過多瑣碎而無關(guān)緊要的項目，那把你的簡歷直接淘汰是最快的解決方法。

如果你對此有些疑問，如下這些項目就會成為你的減分項： 

• 基于泰坦尼克數(shù)據(jù)集對幸存者的分類

• 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

為什么這些會成為減分項 

候選人和招聘人員都清楚，簡歷上的篇幅是有限的。因此，如果在簡歷上過多羅列像 MNIST 那樣的項目，這可能會讓招聘人員會對你的發(fā)展?jié)摿Ξa(chǎn)生質(zhì)疑。

如何解決這個問題

如果你的簡歷包含這些類型的項目 -，而且恰巧你沒有其他更具挑戰(zhàn)性和實質(zhì)性的項目來替換它們 . 這說明你需要花些時間做一些項目，讓自己的簡歷更具有說服性。 當(dāng)然，如果你有其他更有趣的項目來進(jìn)行展示，那么你肯定會想用他們進(jìn)行代替。

例外

當(dāng)然了，利用 MNIST 或泰坦尼克號數(shù)據(jù)集也能構(gòu)建復(fù)雜的項目。如果你在項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，他們通常只是通過尋找簡歷中關(guān)鍵字來工作，因此您必須明確注明您的 MNIST 項目不僅涉及簡單的數(shù)字分類任務(wù)。 

2. 在簡歷中列出 Udacity 或 Coursera 項目 

像 Udacity，Coursera 和 deeplearning.ai 這樣的大規(guī)模在線開放課程是進(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，如果你只在簡歷里羅列這些經(jīng)歷，那么招聘人員可能會你產(chǎn)生懷疑。 

因此 如下這些事情要避免：

• 簡歷中的大部分項目都是你的納米學(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目，或者過分強(qiáng)調(diào)這些經(jīng)歷。 

為什么這會成為一個減分項 

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

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。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）。但是把這些放在簡歷前面，而且?guī)缀鯖]有他項目或經(jīng)驗，很難讓那些正在尋找「真正特別的人」的招聘人員對你感興趣。 

如何解決這個問題

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，因為它：

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

例外 

如果你完成的這個在線課程是獨一無二的，那你不需要擔(dān)心上述問題。我的意思是，您自由選擇所需的數(shù)據(jù)集，從頭開始自主解決問題。并在很大程度上靠您自己來解決問題。因為這實際上和你自己完成一個項目沒有什么區(qū)別，不會成為你簡歷的減分項。

3. 沒有在簡歷中列出版本控制、開發(fā)運維、數(shù)據(jù)庫技能 

如果沒有注明你會這些技能，那這對從事數(shù)據(jù)科學(xué)會是致命的。 

以下是一些必備的技能： 

• 版本控制 (GitHub / GitLab) · 

• 開發(fā)運維 (AWS / Floydhub / Digital Ocean / Flask) 

• 數(shù)據(jù)庫 (mySQL / mongoDB) 

為什么這會成為減分項

在數(shù)據(jù)科學(xué)中，人們感興趣的往往是算法，例如研究解決問題的神經(jīng)網(wǎng)絡(luò)或增強(qiáng)樹的結(jié)構(gòu)架構(gòu)。因此這也是大多數(shù)人投入時間精力的地方。問題在于，設(shè)計模型與可用于生產(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。對于一個數(shù)據(jù)科學(xué)家而言，不具備這些技能就會被淘汰。 

不會 GitHub？不會 mongo？那不用了，謝謝。

如何解決這個問題

如果你具備這些技能但未在簡歷中列出，請列出。如果你缺乏這些技能，那么建議你立刻去學(xué)習(xí)，因為這些技能對于數(shù)據(jù)科學(xué)家來說是必不可少的。 例外

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

4. 沒有從你已完成的項目中學(xué)到任何東西 

如果你的簡歷中列出了某個項目，那么面試中很可能問到這個項目。 如果面試官問你在這個項目中學(xué)到了什么，但你答不出來的話，這會讓面試官對你的印象大打折扣。

為什么這會成為減分項

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

如何解決這個問題

如果你的簡歷中列出了某個項目，在面試前你要準(zhǔn)備好關(guān)于這個項目的見解和看法。 

例外 

這里沒有例外情況，如果你簡歷中列舉了某個項目，你需要對其進(jìn)行總結(jié)反思。 

補(bǔ)充：拼寫錯誤

其實這并不是數(shù)據(jù)科學(xué)方面的問題，但在面試過程中，我們驚訝的發(fā)現(xiàn)很多人會出現(xiàn)拼寫錯誤這樣的問題。總而言之，在簡歷中出現(xiàn)錯別字、拼寫錯誤和格式錯誤都是致命的。無論你的經(jīng)驗水平如何，拼寫錯誤都是必須避免的問題，這會讓你的面試大大減分。 

為什么這會成為減分項

這并不值得奇怪，因為你在簡歷中體現(xiàn)的細(xì)節(jié)問題與你的項目能力和技術(shù)發(fā)展息息相關(guān)。

如何解決這個問題

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

例外

沒有例外，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。詳情見轉(zhuǎn)載須知。