CV’mi oluştur

Veri Bilimci CV Örneği

Veri bilimci CV’leri yalnızca algoritmaları değil, canlıya alınmış modelleri ve yarattıkları iş değerini göstermelidir.

✎ Bu CV’yi düzenle

Arjun Mehta

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

Profil

Fiyatlama, müşteri kaybı ve öneri sistemleri için makine öğrenmesi modelleri geliştirmede 5 yıllık deneyime sahip veri bilimci. 4 milyon dolar ek gelir yaratan modeller canlıya aldı. Python, SQL, scikit-learn, PyTorch ve MLOps’ta yetkin.

Deneyim

Veri Bilimci

Beacon Commerce · Boston, MA
2021 – Halen
  • Ortalama sipariş değerini %9 artıran (yılda 4 milyon dolar) bir öneri modeli geliştirdi
  • 0,86 AUC’ye sahip müşteri kaybı tahmin modeli geliştirerek hedefli elde tutma kampanyalarını mümkün kıldı
  • Modelleri Docker ve MLflow ile canlıya alarak canlıya geçiş süresini haftalardan günlere indirdi
  • Bulguları yöneticilere net ve görsel anlatımlarla sunuyor

Veri Analisti

Hub Analytics · Cambridge, MA
2019 – 2021
  • 2.000 ürün için talep tahminleri hazırladı
  • Airflow ile veri hatlarını otomatikleştirdi
  • Pazarlama için nedensel etki analizleri yürüttü

Eğitim

Veri Bilimi Yüksek Lisansı

Northeastern University · Boston, MA
2017 – 2019

Yetenekler

  • Python
  • SQL
  • Makine öğrenmesi
  • scikit-learn
  • PyTorch
  • İstatistik
  • MLOps
  • A/B testi
  • Veri görselleştirme
  • Spark

Diller

EnglishAna dil
SpanishOrta

Profil

Fiyatlama, müşteri kaybı ve öneri sistemleri için makine öğrenmesi modelleri geliştirmede 5 yıllık deneyime sahip veri bilimci. 4 milyon dolar ek gelir yaratan modeller canlıya aldı. Python, SQL, scikit-learn, PyTorch ve MLOps’ta yetkin.

Bu pozisyon için öne çıkan yetenekler

PythonSQLMakine öğrenmesiscikit-learnPyTorchİstatistikMLOpsA/B testiVeri görselleştirmeSpark

Bu pozisyon için yazım ipuçları

  • Modellerin iş etkisiyle başlayın.
  • Canlıya alma ve izleme deneyiminizi belirtin.
  • Araç listesini ilana uygun tutun.

Deneyim: Veri Bilimci

  • Ortalama sipariş değerini %9 artıran (yılda 4 milyon dolar) bir öneri modeli geliştirdi
  • 0,86 AUC’ye sahip müşteri kaybı tahmin modeli geliştirerek hedefli elde tutma kampanyalarını mümkün kıldı
  • Modelleri Docker ve MLflow ile canlıya alarak canlıya geçiş süresini haftalardan günlere indirdi
  • Bulguları yöneticilere net ve görsel anlatımlarla sunuyor