Sigríður Jónsdóttir
Data Scientist
sigridur.jonsdottir@netmail.com · +1 555 123 4567
Seattle
USA
https://linkedin.com/in/sigridurjonsdottir
translate.sections.summary
Sigríður Jónsdóttir hefur yfir 8 ára reynslu af gagnavísindum og stórgögnum, þar á meðal verkfræði, gagnavinnslu, hjálparforritun og gagnagreiningu. Hún sérhæfir sig í að þróa háþróuð líkan og vinna með óstöðugar, stórar gagnasafnir. Markmiðið er að styðja við fyrirtæki og stofnanir við að nýta gögn til að taka betri ákvarðanir og hámarka árangur. Hún nýtir Python, R, SQL og gagnagrunnakerfi fyrir gagnavinnslu og greiningar. Hún leggur áherslu á að byggja á traustum rannsóknanið, er með mikla visku í að byggja gagnavinnsluferla og að þróa nýstárlegar lausnir. Sigríður er reiðubúin að takast á við nýjar áskoranir í gagnavísindum og vinna með fjölbreyttu teymi að stórframkvæmdum og rannsóknum.
translate.sections.experience
Data Scientist, TechNova USA
Stöðugar rannsóknir og þróun gagnavísindaverkefna fyrir stórfyrirtæki í fjármálageiranum. Leiddi markmiðamiklar rannsóknir, þróaði línulíkön og gagnavinnslutæki. Stuðlaði að auknum tekjum með því að greina stórgögn og finna áhrifarík markaðssetningar- og þjónustulausnir.
• Aukning á tekjum fyrirtækisins um 15% á ári með þróun nýrra gagnavísindalausna.
• Hannaði og innleiddi gagnavinnslu úr stórum gögnum sem gáfu niðurstöður á innan við 30 sekúndum í staðina áður 10 mínútur.
• Þjálfaði teymi og auk í samskiptum við forritara og forritunardeild, sem leiddi til 25% betri afköst í verkefnum.
Gagnavísindamaður, Maple Data Solutions
Tókum þátt í að skapa gagnavísindalíkan fyrir viðskiptavini, sem miðuðu að því að hámarka viðskiptamynstur og útskýra hegðun viðskiptavina. Vinnur með stórar gagnasöfn og þróaði framsæknar greiningar sem leiddar voru til nýrra viðskiptatækifæra.
• Breytti viðskiptastrategíu með því að greina vannotkun gagna, sem leiddi til viðbótarteka upp á 20%.
• Hannaði og þróaði línulíkan sem hafði 92% nákvæmni í flokkun á viðskiptavinum.
• Sparaði tímum með kerfislægum vinnsluflæðum og dró úr vinnslutíma um 35%.
• Nauðsynlegur þáttur í að byggja viðskiptakerfi með gervigreind og gagnavinnslu, með áherslu á stóra gögn.
Verkefnisstjóri gagnavísindaverkefna, DataWave Inc.
Stjórnaði stórum gagnaverkefnum fyrir viðskiptavini í rafmagns- og innviðaeftirlit. Leiddi teymið í gagnavinnslu, líkansgerð og skýrslugerð. Starfaði náið með viðskiptasérfræðingum til að bú til aðferðir til að nýta gögn til að stuðla að viðskiptarumhverfi og meta áhættu.
• Aukning á gagnaeiginleikum gögnunartækni sem jók framleiðslu af 40%.
• Framkvæmdi skilvirkni- og áreiðanleikaprófanir, sem leiddi til 30% minni villuboða.
• Breytti viðskiptum með því að nota gagnavísindalegur spár og greiningar, að meðaltali 25% aukning í losun.
translate.sections.education
Meistarapróf í Gagnavísindum — University of Toronto
Reiknigreining og gagnavinnsla
Meistaranám í gagnavísindum sem þróaði djúpa þekkingu í vélrænu námi, gagnavinnslu og tölfræðigreiningu. Verkefni fóru meðal annars út á þróun ML stacking líkana og innsýn frá stóru gögnum.
translate.sections.skills
Tölvuforritun og gagnavinnsla: Python, R, SQL, Apache Spark, Hadoop, ETL ferlar
Gagnaúrvinnsla og greining: Tölfræðigreining, Gagnavísindalegur módelun, Tækni við mælingar, Gagnageymsla, Gagnaöflun
Vélrænt nám og gervigreind: Djúp taugakerfi, Flokkunarmódel, Náttúruleg málgreining, Tunnur, Viðbótarforrit
Fjölþætt starfsemi og viðskiptasvið: Gagnaúrvinnsla, Forritun, Teymisstjórnun, Ráðgjöf, Skýrslugerð
Hugmyndavinna og verkefnastjórnun: Áætlunargerð, Fjarfundarstjórnun, Ýtrun verkefna, Onginn á vinnustað
translate.sections.languages
Íslenska (native)
Enska (native)
Franska (intermediate)
Hvað gerir gagnavísindamaður? Hvers vegna skiptir starfsheitið máli?
Gagnavísindamaður er sérfræðingur í að vinna með stór gögn, þróa líkön og greina mynstur sem getur stuðlað að betri ákvarðanatöku innan fyrirtækja og stofnana. Í þessari stöðu er lögð áhersla á að túlka gögn og koma með samþættar lausnir sem gerir kleift að nýta gagnaafrit til að bæta þjónustu, auka tekjur eða hámarka skilvirkni. Hér er krafa um bæði tæknilega hæfileika og skarpa greiningu, auk hæfni til að miðla niðurstöðum á skýrilegan hátt til annarra deilda og viðskiptahópa. Árangursríkir gagnavísindamenn geta unnið á fjölbreyttu sviði, þar á meðal í fjármálum, heilbrigðisgeiranum, tækni- og netviðskiptum eða stjórnunarstefnu.
- Hlutverk gagnavísindamanns felur í sér að safna, hreinsa, og vinna með gögn til að finna gagnlegar upplýsingar.
- Þeir þróa og prófa líkön til að spá fyrir um framvindu eða hegðun með nýjustu tækni í vélrænu námi og gervigreind.
- Ónóg GREINARHERBERGI gerir þeim kleift að túlka flókin gögn og koma niðurstöðum á framfæri sem allir skilja, óháð tækniþekkingu.
- Gagnavísindamenn vinna náið með viðskiptadeildum til að móta stefnu og taka upplýstar ákvarðanir byggðar á gögnunum.
- Eftir því sem gagnastóru gögn vaxa hraðar, er hæfni til að breyta gögnunum í nýjar viðskiptalausnir ekki aðeins verkfæri, heldur skylda til að vera stórrar vörslu í nútíma vinnustað.
Helstu hæfnisvið gagnavísindamanns — Skrifaðu betur um hæfni þína fyrir atvinnuáskoranir
Hér birtast helstu tækni- og forðakunnáttu sem gagnavísindamaður þarf til að ná árangri. Mikilvægt er að setja fram heildarmynd af hæfileikum þínum fyrir aðlögun að viðkvæmum verkefnum og starfsmönnum. Með því að meika þetta mun hæfileikaforðun þín gleypa betur við á vinnumarkaði og einnig fá betri móta undan áherslum nánari overtuferlunar.
- Tölvuforritun: Python, R, Java, Scala
- Gagnavinnsla: SQL, Spark, Hadoop
- Gagnaúrvinnsla: Gagnageymslur, vinnsluflæði, gögngreining
- Tölfræðigreining og módelun: Úrvinnsla, líkanagerð, skýrslugerð
- Vélrænt nám og gervigreind: Taugakerfi, djúp learning, flokkun
- Tölu- og upplýsingaröflun: API, skrár, streaming
- Skýrsla- og cyborg-verkfæri: Tableau, Power BI, Jupyter
- Vinnuhæfni: Teymisvinna, áætlanagerð, verkefnastjórnun
Markaðsupplýsingar um gagnavísindastarfi — Hvað segja tölur og þróun á vinnumarkaði?
Vinnumarkaðurinn fyrir gagnavísindamenn er vaxandi og eftirspurn eykst hratt um allan heim, þar sem fyrirtæki leita að sérfræðingum sem geta nýtt gögn til að auka arðsemi og stjórnun. Meðal helstu tölfræði kemur fram að laun gagnavísindamanna vaxa um allt að 20% á ári í þróunarlöndum og í Norður-Ameríku eru laun yfir meðalgildi atvinnugreinar. Þar að auki er vænting um að störf í gagnavísindum vaxi um 36% milli 2021 og 2031, sem er mun hraðar en meðaltal allra atvinnugreina.
Meðalgildi árslauna gagnavísindamanna er um $110,000 í Bandaríkjunum og Kanada.
Vefskýringar sýna að fjöldi tómstunda og verkefna aukast hratt milli ára í gagnavísindum og eru yfir 15,000 opinber starfsviðsleiðbeiningar á netinu.
Gataskráning og stóra upplýsingateygjur verða ómissandi, með aukinni áherslu á AI og ML tækni í atvinnulífinu.
Hrá aðgangur að stórgögnum veldur því að vinnuþörf í gagnavísindum þrefaldast á næstu 5 árum.
Vinnutengd verkefni og árangur — Reynsla af vinnu í gagnavísindum
Do
- Skrifa nákvæmlega um fjölbreytt verkefni með tölulegum niðurstöðum, eins og vaxtarstig, sparnað eða aukningu tekna.
- Fala hverskonar þekkingu að frábærum árangri sem viðskiptavinir eða teymi geta nýtt.
- Setja fram dæmi um áhrifin sem vinnan hafði á fyrirtæki, aðstæði eða verkefni.
- Vera gagnrýninn á ferli og nokkur dæmi um hvernig hafa verið unnar leiðir til bætinga.
Don't
- Ekki nota almenna orðalag eins og „stefna að árangri“ án aðstæðna eða niðurstaðna.
- Ekki yfirþyrma með ómeðvituðum orðum án þess að sýna raunverulegan árangur.
- Líklega ekki að leggja of mikla áherslu á fasta orðanotkun, heldur láta tækni og árangur skila sér.
- Leiddi þróun gagnavísindarlíkans sem náði 95% nákvæmni og sparaði fyrirtækinu 8 milljónir dollara á ári í tækni- og viðhaldskostnaði.
- Hannaði og innleiddi fjölþætt gagnavinnsluflæði, sem minnkaði vinnslutíma frá 48 klukkustundum niður í 12 klukkstundir, til að svara miklu víðtækari verkefnum.
- Hefur þróað gagnavísindalausn sem hefur verið notuð af 10 milljónum viðskiptavina, auk þess að styðja við viðskiptahönnun og fyrirséðar spár.
- Ráðinn sem leiðandi gagnavísindamaður í stórum verkefni fyrir banka og fjárfestingar, sem leiddi til 20% aukningar í hagnaði.
Menntun og vottanir — Fróðleiksmolar um menntun gagnavísindamanns
Vísindaleg menntun og viðbótarnámskeið eru lykilatriði til að byggja upp traustan grunn fyrir gagnavísindasköpun. Háskólapróf, sérstaklega í tölvunarfræði, stærðfræði eða gagnavísindum, gefa góða byrjun. Auk þess eru fjölmörg viðbótarnámskeið í vélrænu námi, gervigreind, gagnavinnslu og gögngreiningu í boði á netinu, sem geta ýkt hæfni og verkefnihæfni.
- Meistarapróf í gagnavísindum, University of Toronto, 2016
- DýPK í vélrænu námi, Coursera, 2020
- Viðbótarnámskeið í djúpum taugakerfum, DataCamp, 2021
Verkefni í áhuga eða sýnisíðum — Hvernig sýnirðu hæfni þína í gagnavísindum?
Þegar þú byggir sýnishorn af verkefnum þínum er mikilvægt að upplýsa um ferlið, tól og aðferðir sem þú notaðir, og hvaða tengsl það hefur við atvinnu- eða viðskiptaleg markmið. Taktu með dæmi um margvísleg verkefni, hvort sem er í skólum, starfi eða sjálfstæðum verkefnum. Góð sýnishorn auðveldar þér að vekja áhuga atvinnurekanda og sýna fram á getu til að takast á við raunveruleg verkefni.
- þróað gagnavísindalíkan fyrir viðskiptavini sem náði 94% auðkenningu, með því að nýta Python og scikit-learn.
- Skapað fyrirkomulag til að safna og framkvæma gögn sem náðu 99% útskýringargildi úr marghverfu gögnum.
- Olíuforrit sem sýndi hvernig getur skilað hagnaði með meðfylgjandi notkun ML-kerfa, og endurspeglir í raunverulegum áhrifum í fyrirtæki.
- Sýningar á GitHub og Kaggle þar sem sýnt er fram á reynslu af gögnum, greiningum og tækni í ML.
Algengar villur í ferilskrá gagnavísindamanna og hvernig á að forðast þær
Margir nýliðar eða reyndir gera villur sem hætta geta hindrað árangur í atvinnuumsóknum. Til dæmis eru of algengar villur í að lýsa verkefnum án að gefa nákvæmar tölur eða niðurstöður. Einnig er mikilvægast að sýna greinilegt samhengi milli úrlausna og raunverulegra viðskiptamarkmiða. Að halda ferilskrá stutt og markvissa er líka grundvallaratriði; óþarfa eða óviðkomandi upplýsingar draga úr áhrifum af meginboðskapnum. Gættu þess að hafa sárfínan stafsetningu og málfræðivillur.
- Láttu hjá þér að skrifa of almennar og yfirborðskenndar lýsingar án tölulegra gagna eða sérstakra árangurs.
- Ekki sleppa því að sýna samhengi á milli verkefna og ávinnings fyrirtækisins.
- Ekki gera föst og yfirborðskennd skilgreining á hæfileikum, heldur innihaldsríkar lýsingar með dæmum.
- Vikja yfir og leiðrétta stafsetningar- og málfræðivillur, til að stuðla að faglegu yfirbragði.
Ábendingar fyrir vinnurekendur og umsækjendur um hvernig á að byggja upp árangursríka ferilskrá
Vel skipulagð og skýr ferilskrá er lykill að árangri í atvinnuviðtölum fyrir gagnavísindamenn. Byrjaðu á að sýna fram á helstu tækni- og lausnartækni, svo og helstu árangur. Passaðu að hver hluti sé nákvæm- og náttúrulegur, svo að það sé auðvelt að lesa og skilja. Notaðu nýjustu verkfæri og orðanotkun sem fæst í gagnavísindum til að bæta áhrif og sýna hæfni þína. Mjög mikilvægt er einnig að aðlaga ferilskrá að hverju starfi, þannig að hvert atriði og hæfila flokkur styðji við hæfnina sem eftir er leitað eftir.
- Lagaðu ferilskrá fyrir hvert starfsmál eða verkefni með því að leggja áherslu á lykilbólur, tól og niðurstöður hela leiðinni.
- Settu fram raunverulegar tölur og árangur sem sýna getu til að leysa flókin verkefni.
- Safnaðu og vistaðu dæmi um áhugaverð verkefni, til að geta auðveldlega sýnt fram á reynslu og getu seinna meir.
- Lærðu hvernig á að leggja áherslu á starfshæfni á skilvirkan hátt án þess að vera of yfirþyrmandi.
Algengar spurningar um að byggja ferilskrá fyrir gagnavísindamenn
Hvað skiptir máli þegar ég bý til ferilskrá sem gagnavísindamaður? Mikilvægt er að leggja áherslu á tækniáherslur, tölulegar niðurstöður og raunveruleg áhrif á fyrirtæki og stofnanir.