制作一份简历有很多好方法。也有很多不好的方式。
特别是在数据科学领域，初级职位的申请者往往过多，拥有一份好的简历是极其重要的。
最重要的是保持一份精简易读的简历。如果你的简历是一堆简历中的一份，你也不想强迫对方读很长的一段吧。他们的目光会变得呆滞，什么也通不过。
如果你的简历不能在极短的时间内体现其优点，那么没人会花时间去更深入地挖掘它的价值。
是明确的。是简洁。
以下是我在初级求职者简历中看到的一些常见错误:
一个在顶部的“总结”
在简历上写“目标”是为了给你的职业目标提供一些背景。
实际上，大多数目标陈述读起来都非常相似。
这并不奇怪——每个申请相同职位的人可能都有相似的职业目标。此外，人们往往会列出他们认为招聘人员/招聘经理想听到的内容，导致很多模糊的商务谈话。他们往往只是含糊地说想要使用数据创造商业价值，想要提高你的技能，成为一名更好的数据科学家。
除了没有太多的信息外，客观的部分往往采用叙述的形式，而不是结构化的形式，这使得他们很难浏览。
因此，许多招聘人员说他们不读求职目标部分也就不足为奇了。它们往往没有太多的信息，阅读它们比浏览简历的其他部分要花更多的精力。当你有成百上千份简历要看的时候，你没有时间去看冗长的“求职目标”部分。
如果你想在顶部加上一些内容(不管是Objective还是Summary)来为你的简历提供背景，请保持简短，并确保它真正传达了有意义和重要的信息。
不必要的技术/工具清单
保持简历简短的同时，不要列出不必要的技能。
有一些工具被认为是数据科学的核心。确保你清楚了解标准的数据科学技术栈(例如Python、pandas、sklearn)、统计学和机器学习。列出工作资格中特别要求的技能，或与其相关的技能。
不要列出招聘广告中没有提到的具体技术。列出一大堆技术可能会让人感觉很好。约束自己。它看起来就像膨胀，让我们更难找到真正相关的工具。
如果你想表现出你了解一些技术，可以提到一般技能，而不是工具。例如，列出“贝叶斯建模”而不是“PyMC3, Stan, rjags”。这不仅有助于减少浪费的空间，也让审阅你简历的人更容易，因为不需要他们知道所有这些工具是什么。
但是要确保你很少使用招聘启事中没有提到的技能。
其他不必要的信息
简历上的空间很重要。不要把时间浪费在不必要的事情上:
相关课程作业的课程编号。这些数字在学校之外没有任何意义。不包括他们。如果你没有任何能证明你具备某项核心技能的经验，就只写“相关的课程经历”。
分享你的GitHub档案是很棒的，但你不能仅仅因为拥有档案而得到积分。如果你把它列出来，确保如果我去那里，我能找到一些实际的项目。你的GitHub档案上没有任何东西，肯定就是减分项。
简历太长了
与最后三条建议相一致的一般原则是:不要制作长简历。即使是在高级/领先级别，一页通常就足够了。
如果你刚刚进入这个领域，一页就足够了。
我听说过一种很有用的思考方法:你简历的价值是根据内容的平均质量来判断的，而不是总和。
显然，这条经验法则是有局限性的——不要只在简历上写那些让人印象深刻的东西就足够了。但通常情况下，添加更多内容可能会让你听起来更有价值，但很容易降低你的感知价值。
对项目或工作职责的模糊描述
一个人对项目或工作所涉及的内容越有印象，他们就越容易将其与你申请的职位的职责相提并论。
避免模糊的术语，明确你使用的是什么工具，如果你发现很难准确而清晰地描述一个项目或责任，考虑一下是否需要把它放在那里。你不必列出你做过的每一个项目或承担过的责任。利用这个空间把重要的部分解释清楚。不要因为担心自己做得不够，而在填充物责任上浪费空间。
在没有上下文的项目上的性能度量
这是一个非常具体的数据科学问题。在项目中经常看到“构建一个AUC为0.76的模型”。是,好吗?我不知道。
没有上下文的性能指标是毫无意义的。
也许你正在研究一个众所周知的问题，你假设阅读它的人有上下文。也许在某些(罕见的)情况下这是可以的。但通常情况下，您需要为性能度量提供一些上下文。
它比以前使用的方法有改进吗?太好了，告诉我改进的地方是什么(至少说说是怎么实现的)。
你能量化它的商业价值吗?很好，告诉我这对公司有多大的影响。
如果你不能做到这两件事中的任何一件，请仔细思考你的性能指标在没有任何附加上下文的情况下是否真的有意义。
作者：Tommy Blanchard
原文地址：https://towardsdatascience.com/common-mistakes-on-a-data-science-resume-d82a446871a2