Ciencia de datosRecién graduado
Ciencia de datos × Recién graduado
Recién graduado, aspiro a una carrera en la industria de la ciencia de datos. Durante mi máster, investigué en aprendizaje automático y completé dos prácticas prolongadas en startups de IA, donde desarrollé habilidades en la construcción de modelos predictivos con Python y la extracción y análisis de grandes volúmenes de datos mediante SQL. He ganado medallas en competiciones de Kaggle, lo que demuestra mi capacidad para abordar problemas de negocio desde una perspectiva matemática e implementar soluciones de extremo a extremo.
📌 Resumen profesional
- ▸De septiembre de 2022 a agosto de 2023: Prácticas como científico de datos en la startup de IA A. Participé en un proyecto para mejorar el motor de recomendación de un sitio de comercio electrónico, encargándome de la ingeniería de características y la evaluación offline de los modelos.
- ▸De abril de 2023 a marzo de 2024: Asistente de investigación en la startup B, originada en la universidad. Desarrollé desde cero una herramienta de análisis de sentimiento para reseñas de clientes utilizando procesamiento de lenguaje natural, completando incluso su implementación como API.
- ▸De abril de 2021 a la actualidad: Estudiante de maestría en el Departamento de Sistemas Inteligentes, Escuela de Ingeniería. Investigo algoritmos de detección de anomalías en series temporales y he presentado un póster en una conferencia internacional.
📌 Logros y fortalezas
- ▸En mis prácticas, la renovación del modelo de recomendación aumentó la tasa de clics (CTR) en un 14,5% en comparación con el método anterior, lo que se tradujo en un incremento mensual de aproximadamente 8 millones de yenes en ventas.
- ▸En competiciones de datos tabulares de Kaggle, construí un método de ensemble con LightGBM y redes neuronales, logrando una medalla de plata (top 2%).
- ▸Configuré y gestioné el entorno de servidores del laboratorio (AWS EC2/GPU), automatizando la asignación de recursos computacionales para 15 investigadores, lo que mejoró la eficiencia de la investigación en un 30%.
📌 Habilidades
- ▸Lenguajes de programación: Python (Pandas, NumPy, Scikit-learn), SQL, R
- ▸Aprendizaje automático y profundo: PyTorch, LightGBM, XGBoost, Hugging Face Transformers
- ▸Infraestructura de datos y MLOps: AWS (S3, EC2, SageMaker), Docker, Git/GitHub, MLflow
- ▸Idiomas y otros: Inglés (TOEIC 860, capaz de leer artículos y redactar documentación técnica), Nivel 2 en Estadística (Statistical Society of Japan)
📌 Autopresentación
- ▸«Impulso que conecta tecnología y negocio»: En mis prácticas, me enfrenté al desafío de que 'el modelo tenía alta precisión, pero el costo de inferencia no era rentable'. Colaboré con ingenieros para destilar el modelo y optimizarlo al formato ONNX, logrando reducir la latencia en un 40% mientras mantenía una precisión del 98%. Tengo un fuerte compromiso con equilibrar los requisitos comerciales y las limitaciones técnicas, entregando valor de extremo a extremo.
💡 Consejos clave
- 💡En puestos de ciencia de datos para recién graduados, se evalúan tanto el potencial como la capacidad de implementación. Prepara tus logros en Kaggle o competiciones para explicar en la entrevista no solo el ranking, sino también las hipótesis y la ingeniería de características que realizaste.
- 💡Tanto en empresas japonesas como extranjeras, el dominio de SQL y el preprocesamiento de datos son fundamentales. Además de construir modelos, destaca tu experiencia en limpiar datos desordenados; esto aumenta tu valoración.
- 💡Practica comunicar los resultados de tu investigación o prácticas en términos de impacto empresarial (ventas o reducción de costos) para que sean comprensibles para personal no técnico, como recursos humanos o directores de división.
- 💡Si apuntas a empresas extranjeras, es común que haya pruebas de codificación (como LeetCode) y entrevistas técnicas en inglés. Por ello, prepara paralelamente los fundamentos de algoritmos y la explicación de tus proyectos en inglés.
🔗 🔗 Otros niveles
Última revisión: 2026-09-06 · Redacción aijobs