作者：Jeremie Harris

翻译：老齐

译者注： 数据科学，方兴未艾，令很多人趋之若鹜。然而，当你的简历发出去之后，更多的是石沉大海，为什么？本文列举了其中的原因，供参考。同时，本文所列内容，也可以供其他专业求职者参考。招聘旺季在即，希望大家认真准备。

与本文有关的书籍推荐：

我在SharpestMinds工作，浏览了很多数据科学职位的求职简历。

平台有很好的反馈系统，能够收到发布招聘信息的公司反馈，这些信息涉及公司是否邀请面试、是否雇佣应聘者，还包括公司确定面试或雇佣应聘者的原因。

由此就知道了成百上千家公司的决策过程，我也就知晓能够让雇主认可的简历应该是什么样子的，以及糟糕的简历形式。

警告：每家公司的选择标准都不同，谷歌雇佣你的原因在其它公司可能奏效，也可能无效（甚至可能是毫无意义的）。因此，建立一份“完美”的通用数据科学简历几乎是不可能的。

尽管如此，我们已经看到了一些明显的错误，这些错误使你的申请在很大程度上不会被考虑：

1. 简历上过于琐碎的项目

在你所强调的个人项目中突出显示你在琐碎的概念验证数据集上所做的工作，这样做只会使你的简历被“坚决拒绝”。

如果你对此有异议，就看看以下所列，这些对你的伤害大于帮助：

• 泰坦尼克号数据集的幸存者分类。
• MNIST数据集的手写数字分类。
• 利用鸢尾花数据集进行分类。

译者注： 这些是学习的项目，而不是应该写在简历上炫耀的项目。

为什么这样的简历对你不利

简历的篇幅有限。应聘者知道，招聘人员也知道。因此，如果像MNIST这样的“学习用数据集”占用了一些宝贵的空间，它会在招聘人员的脑海中引发这样的问题：你在数据科学的职业中到底能走多远。

应对之策

如果你的简历中有这类项目，就说明你没有其他更具挑战性和实用性的项目来取代它们。这是一个强烈的信号，你需要花一些时间来认真地建立你的代表项目。

当然，如果你确实有其他更有趣的项目要展示，那么你肯定想用他们来换掉前边提到的项目。

例外

使用已经世人皆知的数据集(如MNIST或Titanic数据集)完全可以构建复杂的项目。如果你在玩一种你发明的新型GAN，或者你在粘贴貌似有价值的胶囊网络论文，那就去做吧。

但请记住，大多数招聘人员对技术一窍不通，他们通常只会查找关键词，因此你必须非常清楚地表明，你的MNIST项目涉及的不仅仅是琐碎的数字分类任务。

2.在你的项目中列出Udacity或Coursera的项目

在Udacity、Coursera和deep learning.ai这样的慕课平台上，有很多关于深度学习和数据科学的课程，用它们来学习，是一种非常好的方式。话虽如此，如果简历中所展示的全部内容只有这些学习结果，许多公司仍然会对应聘者的资质持怀疑态度。

下列情况一定要避免：

• 把一个在很大程度上由你自己完成的项目作为所学习的纳米学位或项目的一部分
• 过于突显你在慕课平台上的学习，甚至把它作为简历上第一个与数据科学相关的部分。

为什么这样的简历对你不利

所有公司都会有点自负，公司都说他们只雇佣“非常特别的人”，或者“前1%的申请人”，等等。因为现在有很多人获得了慕课证书，招聘人员很容易把你定型为又一个Udacity毕业生，这让你听起来不那么特别。

招聘人员现在对许多慕课已经很熟悉了，能够立即识别出标准纳米学位或慕课的项目（例如，Udacity的交通标志分类任务非常重要，甚至有点有趣，但它出现在了太多的简历中）。为了听起来特别，你需要关注那些没有被用烂了的问题。

应对之策

一旦你完成了你的课程或纳米学位，就会想自己干一票，可以参加Kaggle竞赛，或者验证数据科学文献中一些有趣论文的结果。

这一点很重要，因为它：1）让你看起来更独特；2）让你在面试中展示和讨论最前沿的作品；3）表明你有能力独立自主地学习（不用别人支持！）。

例外

这条规则的一个例外是，你可能已经完成了慕课中的某个项目，并且此项目是独特的。我所说的独特，是指你可以自由选择你想要的数据集，并且可以在很大程度上靠你自己解决问题。因为这其实和你自己去做一个小项目没有什么不同，所以不太可能给你带来不利影响。

3. 缺少版本控制、程序开发或数据库技能

简历中如果缺少以下技能，肯定是致命的：

• 版本控制（例如GitHub/GitLab）
• 开发能力（如AWS/Floydhub/Digital Ocean/Flask）
• 数据库操作（例如mySQL/mongoDB）

为什么这样的简历对你不利

让人们对数据科学感兴趣的往往是算法，用神经网络或者增强的决策树来解决问题的想法很有趣。

因此，大多数人把时间和经历投入到这方面，但问题是，模型设计与面向生产的深度学习或数据科学不是一回事。

数据科学中不那么有趣的部分(如：配置服务器、数据清理等)实际上肯定会成为数据科学家日常工作的主要部分。而现实情况是，仅仅精通Python/sklearn/TensorFlow/Keras/PyTorch是远远不够的。

如果简历中不包括前面所说的那些基本技能，就容易被那些寻找关键词的招聘人员忽略，他们更感兴趣的是找到一个说“不”的理由，而不是一个说“可能”的理由。

没有GitHub？没有mongo？这样的简历只能被抛弃。

应对之策

如果你有这些技能，但你的简历上没有列出，太可惜了，应该写上。如果你对版本控制、软件开发和数据库工具没有任何经验，你需要学习。不仅因为它在简历上看起来不错，还因为它是你作为一名数据科学家必备的技能之一。

例外

如果你申请的是更高级的职位，那么列出这些技能就不那么重要了，因为招聘人员会认为你已经具备了数据科学常用工具方面的经验。

4.没有从你所做的项目中学到任何东西

在简历上写的项目，如果面试的话，很有可能会被问到。

如果面试官问你在某个项目上学到了什么，“学到的不多，真的”，这不是正确的答案。

为什么这样的简历对你不利

既然你花了时间去做一个项目，那么关于你从中学到了什么的问题会让面试官了解你思考问题的深度和沟通技巧。

即使是一个相当简单的数据集也不太可能没有什么可以教给您的，因此从一个项目中退出并不会引起严重的危险信号。

应对之策

如果你在简历上列出了一个项目，并且你获得了一个公司的面试机会，那么就要准备一些观点。对于没有使用过你在该项目中所处理的数据集的人来说，你要做到语出惊人。

例外

没有，真的。如果你在简历上写了一个项目，你真的应该对这个项目有一些心得。

额外的不利因素：错别字

好吧，这一点不是数据科学方面的具体问题，但我们确实惊讶地发现了打字错误与面试时的表现之间的关联是多么密切。一直以来，那些简历上有错误（不管是拼写错误，还是格式草率）的人都比那些没有错误的人表现得差。

打字错误是一个很好的非强迫性错误的例子。无论你的经验水平如何，你都不应该犯这种错误。客观地说，它们导致了较低的面试转化率。

为什么这样的简历对你不利

毫不奇怪的是，对简历细节的关注与对项目细节和技术开发的关注是相关的，而且被认为是相关的。

应对之策

让一位以英语为母语（译者注： 如果是汉语简历，就要找个中文水平较好的朋友）并且注意细节的朋友审阅你的简历。如果有必要，承诺如果你被聘用，给他们50美元。这样做只是为了激励他们去抓住任何不合适的小细节。

例外情

就不应该有例外！

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

关注微信公众号：老齐教室。读深度文章，得精湛技艺，享绚丽人生。