数据科学应届生
数据科学 × 应届生
作为应届毕业生，我立志于数据科学行业。通过在研究生阶段的机器学习研究以及两家AI初创公司的长期实习，我掌握了使用Python构建预测模型以及通过SQL进行大规模数据提取和分析的技能。我还在Kaggle竞赛中获得过奖牌，擅长将商业问题转化为数学模型，并具备端到端的实施能力。
📌 职业概要
- ▸2022年9月至2023年8月：在AI初创公司A担任数据科学家实习生。参与电商网站推荐引擎改进项目，负责特征工程和模型的离线评估。
- ▸2023年4月至2024年3月：在大学衍生初创公司B担任研究助理。从零开始开发了基于自然语言处理的客户评论情感分析工具，并成功将其API化。
- ▸2021年4月至今：在研究生院工学研究科智能系统专业学习。从事基于时间序列数据的异常检测算法研究，并在国际会议上进行了海报展示。
📌 业绩与优势
- ▸在实习期间，通过改进推荐模型，使点击率（CTR）相对提升了14.5%，预计每月增加约800万日元的销售额。
- ▸在Kaggle表格数据竞赛中，构建了LightGBM与神经网络的集成模型，获得了前2%的成绩（银牌）。
- ▸自主搭建并管理实验室的服务器环境（AWS EC2/GPU），为15名研究成员自动化分配计算资源，将研究效率提高了30%。
📌 技能
- ▸编程语言：Python（Pandas、NumPy、Scikit-learn）、SQL、R
- ▸机器学习与深度学习：PyTorch、LightGBM、XGBoost、Hugging Face Transformers
- ▸数据基础设施与MLOps：AWS（S3、EC2、SageMaker）、Docker、Git/GitHub、MLflow
- ▸语言及其他：英语（TOEIC 860分，能够无障碍阅读论文和编写技术文档）、统计检定2级
📌 自我介绍
- ▸“连接技术与商业的推动力”：在实习期间，我遇到了“模型精度高但推理成本过高”的问题。通过与工程师合作，采用模型蒸馏和ONNX格式优化，在保持98%精度的同时将延迟降低了40%。我坚信自己能够在平衡业务需求和技术约束的同时，端到端地交付价值。
💡 撰写建议
- 💡对于应届生数据科学岗位，面试官看重“潜力”和“动手能力”。Kaggle等竞赛经历，不仅要展示排名，更要准备好讲述你的假设验证和特征工程思路。
- 💡无论是日企还是外企，SQL和数据处理基本功都是必须的。除了模型构建，强调你如何清洗脏数据的实际经验，会让面试官对你印象更深。
- 💡将研究或实习成果，用非技术人员也能理解的语言，与“商业影响”（如销售额、成本削减）挂钩，提前练习如何向人事或业务负责人阐述。
- 💡如果目标是外企，通常会有LeetCode等在线编程测试和英语技术面试，因此需要同时准备算法基础和用英语介绍项目的能力。
🔗 🔗 同行业其他级别
最后审核: 2026-09-06 · aijobs 编辑部