สร้างเรซูเม่ของฉัน

ตัวอย่างเรซูเม่ นักวิทยาศาสตร์ข้อมูล

เรซูเม่นักวิทยาศาสตร์ข้อมูลควรแสดงโมเดลที่ใช้งานจริงและคุณค่าทางธุรกิจที่สร้างขึ้น — ไม่ใช่แค่อัลกอริทึม

✎ แก้ไขเรซูเม่นี้

Arjun Mehta

นักวิทยาศาสตร์ข้อมูล
arjun@example.com · +1 555 0142 · Boston, MA · linkedin.com/in/arjun-mehta

โปรไฟล์

นักวิทยาศาสตร์ข้อมูลประสบการณ์ 5 ปีในการสร้างโมเดลแมชชีนเลิร์นนิงด้านราคา การเลิกใช้บริการ และการแนะนำสินค้า นำโมเดลขึ้นใช้งานจริงที่สร้างรายได้เพิ่ม 4 ล้านดอลลาร์ เชี่ยวชาญ Python, SQL, scikit-learn, PyTorch และ MLOps

ประสบการณ์

นักวิทยาศาสตร์ข้อมูล

Beacon Commerce · Boston, MA
2021 – ปัจจุบัน
  • สร้างโมเดลแนะนำสินค้าที่เพิ่มมูลค่าคำสั่งซื้อเฉลี่ย 9% (4 ล้านดอลลาร์ต่อปี)
  • พัฒนาโมเดลทำนายการเลิกใช้บริการด้วย AUC 0.86 ช่วยให้ทำแคมเปญรักษาลูกค้าแบบเจาะจงได้
  • นำโมเดลขึ้นใช้งานด้วย Docker และ MLflow ลดเวลาจากหลายสัปดาห์เหลือไม่กี่วัน
  • สื่อสารผลการวิเคราะห์กับผู้บริหารด้วยภาพและเรื่องราวที่ชัดเจน

นักวิเคราะห์ข้อมูล

Hub Analytics · Cambridge, MA
2019 – 2021
  • พยากรณ์ความต้องการสินค้า 2,000 รายการ
  • ทำไปป์ไลน์ข้อมูลอัตโนมัติด้วย Airflow
  • วิเคราะห์ผลกระทบเชิงสาเหตุให้ฝ่ายการตลาด

การศึกษา

วิทยาศาสตรมหาบัณฑิต สาขาวิทยาการข้อมูล

Northeastern University · Boston, MA
2017 – 2019

ทักษะ

  • Python
  • SQL
  • แมชชีนเลิร์นนิง
  • scikit-learn
  • PyTorch
  • สถิติ
  • MLOps
  • A/B testing
  • การแสดงข้อมูลด้วยภาพ
  • Spark

ภาษา

Englishภาษาแม่
Spanishระดับกลาง

โปรไฟล์

นักวิทยาศาสตร์ข้อมูลประสบการณ์ 5 ปีในการสร้างโมเดลแมชชีนเลิร์นนิงด้านราคา การเลิกใช้บริการ และการแนะนำสินค้า นำโมเดลขึ้นใช้งานจริงที่สร้างรายได้เพิ่ม 4 ล้านดอลลาร์ เชี่ยวชาญ Python, SQL, scikit-learn, PyTorch และ MLOps

ทักษะสำคัญสำหรับตำแหน่งนี้

PythonSQLแมชชีนเลิร์นนิงscikit-learnPyTorchสถิติMLOpsA/B testingการแสดงข้อมูลด้วยภาพSpark

เคล็ดลับการเขียนสำหรับตำแหน่งนี้

  • เริ่มด้วยผลกระทบทางธุรกิจของโมเดล
  • บอกประสบการณ์การนำโมเดลขึ้นใช้งานและติดตามผล
  • เลือกรายการเครื่องมือให้ตรงกับประกาศงาน

ประสบการณ์: นักวิทยาศาสตร์ข้อมูล

  • สร้างโมเดลแนะนำสินค้าที่เพิ่มมูลค่าคำสั่งซื้อเฉลี่ย 9% (4 ล้านดอลลาร์ต่อปี)
  • พัฒนาโมเดลทำนายการเลิกใช้บริการด้วย AUC 0.86 ช่วยให้ทำแคมเปญรักษาลูกค้าแบบเจาะจงได้
  • นำโมเดลขึ้นใช้งานด้วย Docker และ MLflow ลดเวลาจากหลายสัปดาห์เหลือไม่กี่วัน
  • สื่อสารผลการวิเคราะห์กับผู้บริหารด้วยภาพและเรื่องราวที่ชัดเจน