Veri bilimi ve veri analitiği, Türkiye'de en hızlı büyüyen kariyer alanlarından biridir. Veri bilimciler ve analistler, şirketlerin karar alma süreçlerini veriye dayalı hale getirmek için makine öğrenmesi, istatistik ve programlama becerilerini kullanır. Bu alanda CV hazırlarken teknik becerilerinizi, projelerinizi ve iş deneyiminizi net şekilde sunmanız gerekir. Bu rehberde veri bilimi CV'si nasıl yazılır, hangi araçlar ve projeler eklenmeli, portföy nasıl sunulmalı sorularına yanıt vereceğiz.
Veri bilimi CV'si, yazılım CV'sine benzer şekilde proje odaklı olmalıdır. Ancak iş deneyiminiz varsa, gerçekleştirdiğiniz modellerin iş etkisini (örn. gelir artışı, maliyet düşüşü) vurgulayın. Yeni mezunsanız veya kariyer değişikliği yapıyorsanız, GitHub'daki projeler ve Kaggle yarışmaları öne çıkar.
Veri Bilimi CV Yapısı
Özet bölümünde uzmanlık alanınızı belirtin: "Python, SQL ve makine öğrenmesi ile 3 yıllık deneyime sahip Veri Bilimci" gibi. İş deneyimi veya projeler bölümünde kullandığınız yöntemleri ve elde ettiğiniz sonuçları sayılarla ifade edin.
Bölüm Sırası
- İletişim + Özet
- İş Deneyimi (veri projeleri, modeller, metrikler)
- Projeler (akademik, kişisel, Kaggle)
- Beceriler (diller, kütüphaneler, araçlar)
- Eğitim ve Sertifikalar
Veri bilimi CV'sinde "ne yaptım" yerine "hangi modeli kullandım, hangi metrikle ölçtüm, ne sonuç aldım" yazın. Örn: "Churn tahmin modeli geliştirdim; AUC 0,89, %15 müşteri kaybı azalması sağladım."
Eklenecek Beceriler ve Araçlar
Programlama dilleri, veritabanları, ML/DL framework'leri ve bulut araçlarını listeleyin. İş ilanındaki anahtar kelimeleri mutlaka ekleyin.
Programlama ve Veritabanları
- Diller: Python, R, SQL (en yaygın üçlü)
- Veritabanları: PostgreSQL, MySQL, MongoDB, BigQuery
ML/DL ve Araçlar
- Kütüphaneler: pandas, NumPy, scikit-learn, TensorFlow, PyTorch, XGBoost
- Araçlar: Jupyter, Git, Docker, Apache Spark, Tableau, Power BI
- Bulut: AWS, GCP, Azure (kullandığınız servisleri belirtin)
Projeler Nasıl Yazılır?
Her proje için: proje adı, kullanılan teknolojiler, problem, yaklaşım ve sonuç ekleyin. GitHub veya portfolio linki verin.
Proje Örneği
Müşteri Churn Tahmin Modeli – Python, scikit-learn, XGBoost | E-ticaret verisi üzerinde churn tahmini. Özellik mühendisliği, model karşılaştırması (LogReg, RF, XGBoost), AUC 0,89. Şirkette pilot uygulama ile %12 churn azalması.
Kaggle yarışmalarına katıldıysanız, sıralama ve kullandığınız yöntemleri ekleyin. Örneğin "Kaggle House Prices yarışmasında top %5; ensemble model, feature engineering" gibi. Akademik projeler (tez, bitirme projesi) de değerlidir; yayınlanmış makaleniz varsa mutlaka ekleyin.
İş Deneyimi Metrikleri
İş deneyiminiz varsa, geliştirdiğiniz modellerin iş etkisini vurgulayın. "Öneri sistemi ile satış dönüşümünü %18 artırdım", "Talep tahmin modeli ile stok maliyetini %25 düşürdüm" gibi ifadeler işverenlere somut değer gösterir.
Portföy ve GitHub
GitHub profilinizi CV'nize ekleyin. Repolarınız düzenli, README'ler açıklayıcı olsun. LinkedIn, Kaggle ve (varsa) kişisel portfolio sitesi linklerini de ekleyebilirsiniz. Özetle, veri bilimi CV'si teknik beceriler, projeler ve somut sonuçlarla güçlendirilmelidir. CV Oluşturucu ile profesyonel bir veri bilimi CV'si hazırlayabilirsiniz.