Резюме data scientist:
шаблон и пример

Пример резюме Data Scientist: два варианта для начинающего и опытного. Модели, эксперименты, метрики и реальный эффект для продукта. Образец актуален на 2026 год — замените данные на свои.

Открыть конструктор Смотреть примеры
Примеры резюме: Data Scientist
  • Проверено ATS
  • Одобрено HR
  • IT и Digital
  • 2 варианта
  • Word и PDF

Data Scientist решает задачи на данных: прогноз, рекомендации, антифрод, сегментации и эксперименты. В резюме важно показать не «строил модели», а бизнес-цель, метрики (AUC, precision/recall, uplift), процесс (feature engineering, валидация, monitoring) и результат (рост конверсии, снижение потерь).

Ниже два образца — для junior и опытного специалиста. Выберите подходящий, замените домен и метрики на свои и скачайте в Word или PDF.

Примеры резюме Data Scientist

Два готовых образца резюме — выберите по уровню опыта и адаптируйте под продуктовую аналитику, ML или R&D.

Для начинающих
Условный портрет для примера резюме: молодой специалист, женщина

Руденко Анастасия Сергеевна

Data Scientist

Зарплата: от 3500 BYN

  • Место проживания: Минск
  • Почта: a.rudenko@example.com
  • Телефон: +375 29 000-00-00
  • LinkedIn: linkedin.com/in/username
  • Дата рождения: 24.03.2001
  • Пол: Женский
  • Гражданство: РБ
  • Разрешение на работу: РБ

О себе

Junior data scientist: Python + SQL, классические модели ML, подготовка признаков и оценка качества. Делала учебный проект по прогнозу оттока: выбор метрик, балансировка классов, объяснимость (SHAP базово). Умею писать понятные выводы для бизнеса и оформлять эксперименты.

Опыт работы

ООО «Продукт Аналитика» 2024 — н.в.

  • Подготовка датасетов: SQL-выгрузки, базовая очистка и feature engineering для моделей классификации
  • Обучение и оценка моделей (sklearn): AUC, precision/recall, кросс-валидация, подбор порога
  • Поддержка экспериментов: расчёт метрик, проверка гипотез, отчёты по результатам A/B тестов

Образование

Основное

БГУ, прикладная математика и информатика, 2023.

Курсы и сертификаты

Курс «Machine Learning» — 2024. Курс «A/B тесты и статистика для продукта» — 2025.

Тренинги

Митап по ML: практикум по feature engineering и валидации, 2025.

Навыки

pandas numpy sklearn запросы оконные функции (базово) классификация/регрессия валидация A/B тесты статистика (базово) matplotlib/seaborn Jupyter Git SHAP (базово) Python 3

Языки

  • Русский — Родной / Native
  • Английский — B2 — Выше среднего
Для опытных
Условный портрет для примера резюме: опытный специалист, мужчина

Никитин Сергей Андреевич

Senior Data Scientist

Зарплата: от 8500 BYN

  • Место проживания: Минск
  • Почта: s.nikitin@example.com
  • Телефон: +375 44 000-00-00
  • LinkedIn: linkedin.com/in/username
  • Дата рождения: 12.12.1988
  • Пол: Мужской
  • Гражданство: РБ
  • Разрешение на работу: РБ, ЕАЭС

О себе

Senior data scientist с 8+ годами опыта в e-commerce. Вёл модели рекомендаций и прогноз спроса, запускал эксперименты и мониторинг. Улучшал качество модели за счёт фич и переобучения по расписанию; снижал потери от out-of-stock через прогнозирование. Умею переводить задачи бизнеса в ML-формулировку и защищать результаты на языке метрик и денег.

Опыт работы

ООО «Маркетплейс» 2019 — н.в.

  • Рекомендательная система: улучшение ranking-модели, A/B тесты, рост CTR рекомендаций на ~9% за квартал
  • Прогноз спроса и out-of-stock: снижение потерь продаж на ~6% за счёт модели + процесса пересчёта
  • Monitoring: контроль дрейфа признаков и качества, алерты, постмортемы по деградациям

ООО «Insight Lab» 2014 — 2019

  • Прогнозные модели на Python (sklearn), подготовка признаков и валидация
  • Отчёты для маркетинга: сегментация, когорты, A/B на базовом уровне
  • Оформление выводов для заказчика, воспроизводимые ноутбуки и метрики

Образование

Основное

БГУИР, информационные технологии, 2010.

Курсы и сертификаты

Курс «Recommender Systems» — 2023.

Тренинги

Внутренний тренинг по ML monitoring и data quality, 2024.

Навыки

продакшн пайплайны оптимизация ranking forecasting feature engineering A/B guardrail metrics дизайн тестов AUC/PR uplift CTR RMSE/MAPE мониторинг дрейф переобучение Git Docker (базово) трекинг экспериментов стейкхолдеры презентация результатов NumPy PostgreSQL регрессия

Языки

  • Русский — Родной / Native
  • Английский — B2 — Выше среднего

Оцените конструктор

Насколько публикация полезна?

Нажмите на звезду, чтобы оценить!

Средняя оценка 0 / 5. Количество оценок: 0

Оценок пока нет. Поставьте оценку первым.

Валерий Кичкаев

Валерий Кичкаев

Главный редактор Praca.by

Слово эксперта

Форматы экспорта (Word/PDF), кодировка и логичная структура разделов приведены в соответствие с тем, как рекрутеры и ATS-системы обычно читают резюме: без «шумных» украшений, с акцентом на читаемость и совместимость. Шаблон разработан совместно с HR-специалистами — структура и формат соответствуют тому, что читают рекрутеры и ATS-системы. «Помните: автоматический отбор начинается с того, что система вообще может извлечь текст и увидеть роли, даты и навыки. Если хотите разобраться глубже — в статье ниже я собрал практику по ATS и типичным ошибкам».

Читать статью об ATS

Часто задаваемые вопросы

Пишите через цель и метрику: что улучшали и чем измеряли (AUC, CTR, churn, RMSE). Добавьте 1–2 результата и как вы к ним пришли (фичи, валидация, эксперименты).

Да, если вы реально запускали или анализировали. Важны дизайн, метрики и выводы — это признак продуктового мышления.

Можно писать относительные эффекты: «рост CTR на ~9%», «снижение оттока на X%», «SLA пересчёта 1 раз в день».

Python, SQL, sklearn, эксперименты, базовые пайплайны и Git. Плюсом будут мониторинг, трекинг экспериментов и понимание data quality.

Не всегда. DS чаще про задачу, метрику и эксперимент, ML Engineer — про продакшн и инфраструктуру. В резюме покажите, какую часть вы делали.

Junior — одна. Опытному можно две, если вы показываете проекты и результаты без воды.