Ao analisar os currículos e perfis de candidatos para vagas, muitos contratantes procuram por algumas falhas e experiências específicas, eliminando rapidamente aqueles que não possuem certas características fundamentais. 

Se você quer se destacar de seus competidores e conseguir ainda mais trabalhos, ou se você está iniciando sua carreira em ciência de dados agora e precisa construir um currículo que impressione, está no lugar certo. Confira os 7 itens essenciais para um currículo de sucesso na área de dados.

1) Sua experiência prévia como cientista de dados

Parece óbvio, eu sei. A primeira coisa que a maioria dos recrutadores procuram é a experiência prévia com ciência de dados. Eles buscam termos específicos, relacionados ao cargo de cientista de dados, como: engenheiro de machine learning; cientista de pesquisa; engenheiro de algoritmos. 

Eles tendem a não incluir analista de dados nesta categoria, pois o trabalho cotidiano desse cargo difere bastante do de cientista de dados propriamente dito.

É do seu interesse, se for cabível, mudar os títulos que envolvem ciência de dados para “cientista de dados”, evitando a ambiguidade do termo “analista de dados”. 

2) Inclua suas conquistas no mundo de negócios

A esfera do business é muito importante para o currículo de cientista de dados. Existe uma carência enorme no mercado de cientistas de dados que dominam os conceitos de administração e negócios. Portanto, ter experiência nesta área é valioso e destaca o seu currículo dos demais. 

Se você consegue compartilhar os indicadores-chave de performance que o seu trabalho afetou, ou indicar o aumento da taxa de conversão resultante de uma melhora do seu modelo, o recrutador perceberá que você realmente entende a esfera de negócios que está por trás de todo trabalho de análise de dados. 

Compare os exemplos a seguir e veja o impacto que as diferentes ênfases podem ter em um currículo: 

  1. Modelo de taxa de inadimplência de empréstimos bancários – melhora do Precision-Recall AUC do modelo de 0.95 para 0.98
  2. Modelo de taxa de inadimplência de empréstimos bancários – aumento da receita anual do banco em 3% (cerca de US$500k anualmente) enquanto taxas de inadimplência se mantiveram constantes

3) Educação

Qual é a sua educação formal, e em qual área? Você estudou em instituições renomadas? Para quem se formou recentemente, colocar a média escolar (GPA, no sistema americano) e quaisquer premiações e honrarias que tenha recebido é interessante. 

Como a área de ciência de dados é ampla, sem requerimentos prévios ou testes padronizados, pessoas das mais diversas áreas podem adentrá-la.

Se você não possui instrução formal para a área não tem problema, desde que você possua alguma qualificação ou experiência prévia, ou até mesmo um diploma avançado em uma área similar (como estatística, por exemplo). 

4) Preste atenção ao layout

Muitas pessoas descartam o apelo visual do currículo em função do pragmatismo. Não o faça. Seu currículo não deve ser em formato .txt e sem formatação alguma. Escolha um modelo que seja simples, porém não desleixado, e maximize o espaço que você possui. É sempre bom dividir a página e marcar seções específicas que você queira destacar. 

Não seja subjetivo na qualificação das suas habilidades. Não coloque estrelinhas para medir sua proficiência com idiomas e definitivamente não utilize gráficos em formato de pizza para comparar as suas skills (sim, isso acontece). 

5) Variedade de Machine Learning

Geralmente, procura-se dois tipos de machine learning: 

  1. Tipos de algoritmos – alguns candidatos trabalham somente com deep learning, o que pode limitar o trabalho com dados estruturados (que poderia ser melhor executado em modelagem baseada em árvores, por exemplo). Não tem problema ser expert em DL, mas a limitação das suas ferramentas é um impedimento para a otimização da produtividade. Cuidado para não ter um currículo que gira em torno de uma ferramenta somente, pois esta hiperespecialização pode ser muito negativa para quem busca um candidato mais completo.
  2. Domínio ML – este é geralmente relevante em computer vision e NLP.. Os especialistas nessa área são altamente requisitados, e suas carreiras são focadas nesses domínios. Entretanto, se você não busca especificamente alguém para trabalhar nessa área, essa hiperespecialização é, novamente, um ponto negativo. 

6) Tech Stack

Os recrutadores procuram sua “pilha” de ferramentas e habilidades relacionadas à tecnologias. Ou seja, linguagens, pacotes específicos (como scikit learn, pandas, dplyr), nuvens e serviços conjuntos (AWS, Azure, GCP), e outras ferramentas. 

Alguns candidatos acabam misturando essas informações com algoritmos e arquiteturas que sabem utilizar (como RNN, XG Boost, K-NN), mas é bom deixar eles separados.

Quando uma linguagem aparece seguida de um algoritmo, fica o questionamento se você sabe realmente aquele ML ou se o conhecimento está limitado àquele algoritmo específico. 

É sempre bom manter o seu stack atualizado, pois mostra que você está sempre aprendendo e adquirindo novos skills. É importante se manter a par das novas tendências e ferramentas do mercado. 

7) Projetos

Você possui projetos que possam ser compartilhados em plataformas como o GitHub? Alguma competição no Kaggle ou projetos pequenos que possam ser exibidos?

Possuir um projeto real no seu currículo permite uma análise concisa da programação, os tipos de pré-processamento utilizados, escolha de algoritmos, e outras características que são importantes na realização de projetos. 

Adicione o link do seu GitHub e Kaggle para permitir que os recrutadores façam essa análise mais profunda do seu trabalho. Se você ainda não tiver muita experiência, possivelmente perguntarão sobre um desses projetos durante a entrevista.

Mantenha-os atualizados e releia-os de tempos em tempos para rememorar as suas escolhas, assim pode-se desenvolver uma conversa com o entrevistador sobre pontos específicos do trabalho. 

Outro ponto extremamente importante é lembrar-se que qualidade está sempre acima da quantidade. É melhor ter 3 projetos excelentes do que 8 projetos medíocres ou medianos. 

Published On: junho 21st, 2021 / Categories: Carreiras, Data Science, Dicas e Habilidades / Tags: , , , , , , /

Aprenda a conseguir trabalho

Se inscreva para receber acesso gratuito ao módulo Conseguindo Trabalho!

Obrigado por se inscrever!
Houve um erro ao enviar sua inscrição. Tente novamente mais tarde.

Ao acessar, você concorda em receber nossos comunicados.