原文：
www.kdnuggets.com/7-things-students-are-missing-in-a-data-science-resume
作者提供的图片
回顾我作为学生的日子，我现在意识到我的数据科学简历中缺少了一些关键要素。这些不足可能导致我被多种职位拒绝。我不仅无法向潜在团队展示自己作为有价值的资产的能力，还难以展示解决数据科学问题的能力。然而，随着时间的推移，我逐渐进步，并与多个团队合作，找出我遗漏的内容以及如果重新开始，我该如何做得更好。
在这篇博客中，我将分享学生们在数据科学简历中常常忽略的 7 件事，这些遗漏可能会导致招聘经理不联系他们面试。
使简历复杂化，如使用技术术语、过多的信息或非常规格式，可能会导致其立即被拒绝。你的简历应该易于阅读和理解，即使是对数据科学不太熟悉的人也能明白。使用简洁、专业的布局，配有明确的标题、项目符号和标准字体。避免使用密集的文本块。记住，目标是尽可能快速有效地向招聘经理传达你的技能和经历。
当你在经历部分列出你以前的工作经历或项目时，建议专注于量化的成就，而不是仅仅列出你的职责。
例如，不要只是写“开发了机器学习模型”，你可以写成“开发了一个提高销售额 15%的机器学习模型。”这将展示你工作的实际影响，并展示你推动结果的能力。
在列出你的技术技能时，至关重要的是要突出与数据科学直接相关的技能。避免包括与数据科学无关的技能，如平面设计或视频编辑。保持技能列表简洁，并写明你在每项技能上的经验年限。
确保提及编程语言，如 Python 或 R，数据可视化工具，如 Tableau 或 Power BI，以及数据分析工具，如 SQL 或 pandas。此外，值得提及你使用过流行的机器学习库，如 PyTorch 或 scikit-learn 的经验。
数据科学不仅仅依赖于技术能力。合作和沟通技能同样重要。包括你作为团队成员工作的经历，尤其是在多学科环境中或将复杂数据洞察传达给非技术利益相关者的经历，可以展示你的软技能。
雇主重视数据科学领域的实践经验。如果你完成了数据科学的实习、项目或研究，一定要在简历中突出这些经历。包括你参与的项目、使用的工具和技术以及取得的成果。
学生们常常低估展示相关项目的重要性。无论是课堂作业、顶点项目还是你为乐趣而制作的东西，都要包括展示你在数据分析、编程、机器学习和问题解决方面技能的项目。务必描述项目目标、你的角色、使用的工具和技术，以及成果。GitHub 仓库或项目网站的链接也可以增加可信度。
数据科学领域不断发展，雇主正在寻找能够适应新挑战和技术的候选人。
作为数据科学家，你可能会发现自己在几个月内从数据分析师跳到机器学习工程师。你的公司甚至可能要求你在生产环境中部署机器学习模型并学习如何管理它们。
数据科学家的角色是流动的，你需要在心理上为角色变化做好准备。你可以通过突出任何需要快速学习新工具或技术的经历，或成功解决复杂问题的经历，来展示你的适应能力和解决问题的能力。
创建一个在线作品集并在简历中分享是非常重要的。这将使招聘经理能够快速查看你的过去项目及你用于解决特定数据问题的工具。你可以查看创建数据科学作品集的顶级免费平台：7 个免费平台构建强大的数据科学作品集
未能包含指向你的 GitHub 仓库或展示你项目的个人网站的链接是一个错失的机会。
提交简历时，需要根据职位要求进行修改。查找工作所需的技能，并尝试在简历中包含这些技能，以增加获得面试机会的可能性。除了简历，网络和 LinkedIn 在寻找工作和自由项目方面也非常有帮助。持续维护你的 LinkedIn 个人资料并定期发布内容，可以大大提高你的职业存在感。
Abid Ali Awan (@1abidaliawan) 是一位认证的数据科学专业人士，热衷于构建机器学习模型。目前，他专注于内容创作，并撰写有关机器学习和数据科学技术的技术博客。Abid 拥有技术管理硕士学位和电信工程学士学位。他的愿景是使用图神经网络构建一款人工智能产品，帮助那些在精神健康方面挣扎的学生。