Poradnik CV Data Scientista w Karolinie Północnej: Jak Napisać CV, które Przejdzie przez ATS i Zdobędzie Zaproszenie na Rozmowę
Najczęstszy błąd data scientistów w CV: wymienianie każdej biblioteki Pythona zamiast pokazywania, co modele faktycznie zrobiły dla biznesu.
Rynek data science w Karolinie Północnej jest znaczący — 10 140 specjalistów zatrudnionych w całym stanie, z medianą wynagrodzenia 115 380 $/rok [1]. O 18,1% poniżej mediany krajowej, ale koncentracja firm farmaceutycznych, fintech i SaaS w Research Triangle oznacza, że wynagrodzenia u czołowych pracodawców często znacząco przewyższają średnie stanowe [1].
Kluczowe wnioski
- Co wyróżnia CV data scientista: Rekruterzy oczekują konkretnych typów modeli, skali danych i mierzalnych wyników biznesowych. Link do portfolio lub GitHub jest niemal obowiązkowy.
- 3 główne kryteria selekcji: (1) Dowód kompleksowego zarządzania potokiem ML, (2) biegłość Python/SQL z doświadczeniem wdrożeniowym, (3) skwantyfikowany wpływ biznesowy pracy modelowej [3].
- Błąd #1: Opisywanie się jako „data scientist" z punktami, które czytają się jak analityk danych.
- Kontekst Karoliny Północnej: 10 140 data scientistów, zakres wynagrodzeń 58 240 $–173 170 $ [1].
Czego szukają rekruterzy?
Rekruterzy w Karolinie Północnej — Fidelity Investments w Durham, LexisNexis Risk Solutions w Raleigh, SAS Institute w Cary — filtrują według profilu odróżniającego data scientistów od sąsiednich ról [3].
Kompleksowe prowadzenie projektów to pierwszy filtr [2]. Rygor statystyczny odróżnia poważnych kandydatów. W korytarzu farmaceutycznym — IQVIA, PPD (Thermo Fisher), Syneos Health — doświadczenie z badaniami klinicznymi i analiza przeżycia mają szczególne znaczenie [3]. Programowanie i narzędzia weryfikowane niemal dosłownie [2][4]. Wiedza domenowa ważniejsza niż wielu sądzi [3].
Najlepszy format CV
Format odwrotnie chronologiczny dla 2+ lat doświadczenia [3]. Format kombinowany dla zmieniających karierę [2]. Unikać formatu funkcjonalnego [3]. Jedna strona do 8 lat doświadczenia.
Kluczowe umiejętności
Techniczne (8–12)
- Python (pandas, NumPy, scikit-learn) [2]
- SQL (PostgreSQL, Snowflake, BigQuery)
- Uczenie maszynowe (nadzorowane/nienadzorowane)
- Głębokie uczenie (TensorFlow lub PyTorch)
- Analiza statystyczna i planowanie eksperymentów [2]
- Wizualizacja danych (Matplotlib, Seaborn, Plotly, Tableau) [3]
- Chmurowe platformy ML [4]
- NLP (spaCy, Hugging Face Transformers)
- Narzędzia big data (Spark, Databricks) [3]
- MLOps (MLflow, Docker, Kubernetes) [4]
Doświadczenie zawodowe
Formuła XYZ: Osiągnięto [X], mierzone przez [Y], poprzez [Z].
Początkujący (0–2 lata)
- Zbudowano model segmentacji klientów (k-means, 850 tys. rekordów), zidentyfikowano 5 segmentów informujących kampanię marketingową za 300 tys. $ [2].
- Zautomatyzowano cotygodniowy raport KPI potokiem ETL Python, skracając czas z 12 godzin do 45 minut.
Średni (3–6 lat)
- Zaprojektowano i wdrożono model wykrywania oszustw (XGBoost) przetwarzający 4 mln transakcji/dzień, fałszywie pozytywne obniżone o 35%.
- Zbudowano potok NLP (spaCy + BERT) klasyfikujący 120 tys. zgłoszeń w 23 kategorie z 91% dokładnością.
Senior (7+ lat)
- Zarchitekturyzowano migrację platformy ML do AWS SageMaker, skracając czas wdrożenia z 6 tygodni do 3 dni.
- Prowadzono zespół 4 data scientistów — model CLV dla 12 mln kont, konwersja cross-sell +28%, 18 mln $ przyrostowego ARR.
Przykłady podsumowania
Początkujący
Magister statystyki z NC State. 3 projekty ML end-to-end podczas stażu w firmie farmaceutycznej z Research Triangle [1][2].
Średni
5 lat wdrażania modeli ML w produkcji w fintech i opiece zdrowotnej. Charlotte, NC [1][3].
Senior
9 lat kierowania inicjatywami ML. Zarządzanie zespołami 4–8 osób, ponad 18 mln $ wpływu biznesowego [1][4].
Wykształcenie i certyfikaty
~65% stanowisk wymaga tytułu magistra [2]. SAS Certified AI & Machine Learning Professional (SAS Institute) ma szczególne znaczenie w Karolinie Północnej z uwagi na siedzibę SAS w Cary [3].
Najczęstsze błędy
1. Narzędzia bez kontekstu [2]. 2. Mylenie analizy danych z data science [3]. 3. Brak metryk modelu. 4. Brak portfolio/GitHub [4]. 5. Ignorowanie ATS [3]. 6. Jedno CV na wszystko [4]. 7. Umiejętności techniczne na końcu [2].
Słowa kluczowe ATS
Machine learning, deep learning, NLP, wizja komputerowa, modelowanie statystyczne, testy A/B, inżynieria cech
Dla Karoliny Północnej: „SAS" i terminy branżowe dopasowane do pracodawcy [1][3].
Kluczowe wnioski
Karolina Północna zatrudnia 10 140 data scientistów, wynagrodzenia 58 240–173 170 $, mediana 115 380 $ [1].
Stwórz swoje CV zoptymalizowane pod ATS z Resume Geni — zacznij za darmo.
FAQ
Jak długie CV?
Jedna strona do 8 lat; dwie dla seniorów [3].
Czy potrzebny magister?
~65% preferuje, ale z licencjatem i portfolio też można [2][3].
Wynagrodzenie?
Mediana 115 380 $/rok [1].
Czy certyfikat SAS się opłaca?
Tak — siedziba SAS w Cary, NC daje mu ponadprzeciętne znaczenie [1][3].