Proglib.academy | IT-курсы

🦜 Разбор резюме джуна-аналитика: учимся на чужих ошибках

Мы выцепили на Reddit реальное резюме (с лёгким обезличиванием — см. картинку 👆) и разобрали, что в нём классно, а что мешает попасть на интервью мечты.

➡️Что сразу бросилось в глаза:
— Сильные проекты и цифры
— +40 % rev-lift, прогноз точности 97 %, цифры цепляют.
—Мощный tech-stack (Python + Spark, SQL, R, Docker, Tableau).
— Core-math курсы в универе уже пройдены.

✳️ Где прячутся редфлаги и как их исправить

Было: R, Python with Spark, SQL, SAS в одной строке — рекрутеру непонятно, что реально на «вы»

Стало: Разделите: Pro Python (3 года), Spark (1 год), R (2 года)…

Было: Куча маркетинговых аббревиатур (DAU, CPI…) — DS-лид может не знать

Стало: Добавьте короткое пояснение в скобках

Было: 97 % accuracy — без baseline

Стало: Укажите: «baseline = 53 %, uplift = +44 pp»

Было: Ссылка есть, но не упомянуты репы

Стало: Добавьте «Top repo: /har-smartphone-HAR, 1.3k⭐️, 3k строк кода»

😤 Хотите так же, но лучше?

На курсе «Математика для Data Science» с преподавателями МГУ:

🔵Разбираем линейную алгебру, вероятность, оптимизацию на живых бизнес-задачах.

🔵Каждому участнику — индивидуальный разбор вашего резюме и GitHub-портфолио (как в примере, но подробно).

🔵Финальный проект → готовая запись в CV + ссылку рекрутеру.

Киньте 👾 ежика в комментарии, что пост полезный, нам будет приятно

Proglib Academy #оффер_мечты

Please open Telegram to view this post

VIEW IN TELEGRAM

👾4👍1

www.tgoop.com/proglib_academy/2875

329 viewsJun 17 at 13:12

🦜 Разбор резюме джуна-аналитика: учимся на чужих ошибках

Мы выцепили на Reddit реальное резюме (с лёгким обезличиванием — см. картинку 👆) и разобрали, что в нём классно, а что мешает попасть на интервью мечты.

➡️Что сразу бросилось в глаза:
— Сильные проекты и цифры
— +40 % rev-lift, прогноз точности 97 %, цифры цепляют.
—Мощный tech-stack (Python + Spark, SQL, R, Docker, Tableau).
— Core-math курсы в универе уже пройдены.

✳️ Где прячутся редфлаги и как их исправить

Было: R, Python with Spark, SQL, SAS в одной строке — рекрутеру непонятно, что реально на «вы»

Стало: Разделите: Pro Python (3 года), Spark (1 год), R (2 года)…

Было: Куча маркетинговых аббревиатур (DAU, CPI…) — DS-лид может не знать

Стало: Добавьте короткое пояснение в скобках

Было: 97 % accuracy — без baseline

Стало: Укажите: «baseline = 53 %, uplift = +44 pp»

Было: Ссылка есть, но не упомянуты репы

Стало: Добавьте «Top repo: /har-smartphone-HAR, 1.3k⭐️, 3k строк кода»