Vi använder cookies för väsentlig funktionalitet och, med ditt samtycke, för att visa personanpassade annonser. Se vår integritetspolicy.
Datavetare CV‑exempel & mall
Ett gratis, ATS‑vänligt CV‑exempel för datavetare — kopiera exempelsammanfattningarna, färdigheterna och punkterna nedan, bygg sedan ditt eget på några minuter med CV‑Craftor.
By the CV-Craftor team · Updated 21 juni 2026
Your Name
Datavetare
Core Skills
• Python
• pandas
• scikit-learn
• TensorFlow
• SQL
• Statistics
• ML Ops
• NLP
• Experimentation
Data scientist med 6+ års erfarenhet av att leverera ML i produktion — prognos-, rekommendations- och churn-modeller — som driver mätbara intäkts- och kostnadsresultat. Flytande i Python, SQL och moln-MLOps, med en dokumenterad förmåga att designa rigorösa experiment och översätta modellresultat till beslut som ledningen agerar på.
Datavetare
—
Byggde en gradient-boostad efterfrågeprognosmodell som minskade lagerbrist med 18 % och sänkte kostnaden för överlager med 1,2 MUSD per år. Driftsatte ett realtidsrekommendationssystem som betjänar 4 miljoner användare, vilket ökade genomsnittligt ordervärde med 9 % och klickfrekvens med 14 %. Designade en churn-prognospipeline (XGBoost, 0,87 AUC) som lät retentionsteamet rikta in sig på riskkonton och återvann 3 MUSD i förnyelser. Körde 30+ A/B-tester med korrekt styrkeanalys och levererade förändringar som tillsammans gav en 22 %-ig konverteringsökning i kassaflödet. Minskade modellträningstiden med 60 % genom att migrera pipelines till en distribuerad Spark- och moln-GPU-uppsättning. Konstruerade en NLP-klassificerare som automatiskt dirigerade 75 % av supportärendena och kortade genomsnittlig svarstid från 9 timmar till 2. Samarbetade med produkt och ekonomi för att översätta modellresultat till en prisstrategi som ökade marginalen med 6 punkter. Etablerade arbetsflöden för modellövervakning och omträning, vilket minskade incidenter med tyst prestandadrift med 40 %.
År 2026 ögnar rekryterare igenom ett CV för en Data Scientist efter en sak först: bevis på att dina modeller lämnade notebooken och förändrade ett affärstal. De vill se problemet formulerat, metoden namngiven (en specifik algoritm, inte bara "maskininlärning") och det mätbara resultatet — ökning, sparade kronor, minskat fel. ATS-tolkar, å sin sida, söker efter konkreta nyckelord från jobbannonsen: Python, SQL, scikit-learn, A/B-testning, molnstacken, MLOps-verktyg.
Positionera dig kring effekt, inte verktygslistor. Inled varje roll med beslutet ditt arbete låg till grund för och måttet det flyttade, och fäst sedan tekniken under. Spegla annonsens språk så att ATS lyfter fram dig, men håll texten mänsklig och kvantifierad. Visa bredd — experiment, modellering och leverans till produktion — samtidigt som du signalerar djupet (kausal inferens, djupinlärning eller LLM:er) som matchar det specifika team du siktar på.
Exempel på CV‑sammanfattning för Datavetare
Erfaren
Data scientist med 6+ års erfarenhet av att leverera ML i produktion — prognos-, rekommendations- och churn-modeller — som driver mätbara intäkts- och kostnadsresultat. Flytande i Python, SQL och moln-MLOps, med en dokumenterad förmåga att designa rigorösa experiment och översätta modellresultat till beslut som ledningen agerar på.
Nybörjarnivå
Data scientist tidigt i karriären med en master i statistik och praktisk projekterfarenhet i Python, SQL och scikit-learn. Har byggt och validerat heltäckande modeller från EDA till driftsättning, kört A/B-tester och kommunicerar resultat tydligt till icke-tekniska målgrupper. Ivrig att leverera mätbar effekt i ett produktdatateam.
See more resume summary examples and the formula for writing your own.
Nyckelfärdigheter för ett CV som datavetare
Python (pandas, NumPy) — Kärnspråk för analys, modellering och datapipelines
SQL — Hämtar och kopplar samman datan bakom nästan varje projekt
scikit-learn / XGBoost — Arbetshästbibliotek för klassificerings- och regressionsmodeller
Statistik och experiment — Ligger till grund för giltiga A/B-tester och kausala påståenden
Djupinlärning (PyTorch/TensorFlow) — Krävs för NLP, datorseende och modernt LLM-arbete
MLOps och modelldriftsättning — Bevisar att modeller når produktion, inte bara notebooks
Molnplattformar (AWS/GCP/Azure) — Där data- och träningsinfrastrukturen faktiskt finns
Datavisualisering och berättande — Förvandlar modellresultat till beslut som intressenter litar på
Feature engineering — Ofta den största hävstången på verklig modellprestanda
Affärsförståelse — Kopplar mätvärden till intäkter, kostnad och strategi
Arbetslivserfarenhet — exempelpunkter
Byggde en gradient-boostad efterfrågeprognosmodell som minskade lagerbrist med 18 % och sänkte kostnaden för överlager med 1,2 MUSD per år.
Driftsatte ett realtidsrekommendationssystem som betjänar 4 miljoner användare, vilket ökade genomsnittligt ordervärde med 9 % och klickfrekvens med 14 %.
Designade en churn-prognospipeline (XGBoost, 0,87 AUC) som lät retentionsteamet rikta in sig på riskkonton och återvann 3 MUSD i förnyelser.
Körde 30+ A/B-tester med korrekt styrkeanalys och levererade förändringar som tillsammans gav en 22 %-ig konverteringsökning i kassaflödet.
Minskade modellträningstiden med 60 % genom att migrera pipelines till en distribuerad Spark- och moln-GPU-uppsättning.
Konstruerade en NLP-klassificerare som automatiskt dirigerade 75 % av supportärendena och kortade genomsnittlig svarstid från 9 timmar till 2.
Samarbetade med produkt och ekonomi för att översätta modellresultat till en prisstrategi som ökade marginalen med 6 punkter.
Etablerade arbetsflöden för modellövervakning och omträning, vilket minskade incidenter med tyst prestandadrift med 40 %.
Start each bullet with a strong resume action verb and back it with a number.
Bästa CV‑formatet för en datavetare
Använd ett omvänt kronologiskt upplägg, en sida tidigt i karriären och upp till två med 5+ års erfarenhet. Inled med ett mätvärdesrikt kompetensblock och en sektion "Projekt" eller "Utvalt arbete" så att granskare snabbt ser modelleringsdjupet. Varför: rekryterande chefer screenar efter kvantifierad produktionseffekt, och en ren, lättolkad struktur hindrar ATS från att förvränga din verktygsuppsättning. Compare the options in our resume format guide.
Certifieringar & utbildning
Master eller doktorsexamen i statistik, datavetenskap, matematik eller ett kvantitativt ämne (vanligaste vägen)
AWS Certified Machine Learning – Specialty eller Google Professional Machine Learning Engineer
Microsoft Certified: Azure Data Scientist Associate
Databricks Certified Machine Learning Professional
Formella certifikat är valfria för data science — en stark projektportfölj och bevisad produktionseffekt väger oftast tyngre än någon merit
Vanliga CV‑misstag att undvika som datavetare
Att lista verktyg och kurser utan ett enda kvantifierat resultat — rekryterare vill se affärsmåttet din modell flyttade.
Att hålla allt arbete i notebooks utan något bevis på att något nådde produktion eller verkliga användare.
Vaga formuleringar som 'använde maskininlärning' istället för att namnge algoritmen, datan och resultatet.
Att begrava effekten under jargong; att inte visa att du kan förklara modeller för icke-tekniska intressenter.
Att fylla ut med varje Python-bibliotek du rört vid istället för de få färdigheter som det specifika jobbet faktiskt kräver.
Lön för Datavetare (USA)
Data scientists i USA tjänar vanligtvis runt 100 000–165 000 USD, där seniora roller och roller på stora teknikbolag når betydligt högre. Lönen varierar kraftigt beroende på plats, arbetsgivare och erfarenhet — verifiera aktuella siffror med U.S. Bureau of Labor Statistics (som grupperar rollen under data scientists, kod 15-2051).
Bygg ditt CV som datavetare gratis
Börja från en rekryterar‑redo, ATS‑vänlig mall, redigera med en förhandsgranskning i realtid och exportera till PDF eller Word.
Se exemplet på personligt brevVanliga frågor om CV för Datavetare
Vilka färdigheter bör en Data Scientist ha med i sitt CV?
Prioritera Python, SQL, statistik och experiment samt ett modelleringsbibliotek som scikit-learn eller XGBoost, och lägg sedan till djupinlärning, MLOps och en molnplattform. Para ihop varje med ett kvantifierat resultat. Runda av med datavisualisering och affärskommunikation, eftersom det som utmärker starka kandidater är att översätta modeller till beslut.
Hur skriver jag ett CV för Data Scientist utan erfarenhet?
Inled med konkreta projekt istället för jobb — Kaggle-tävlingar, ett examensarbete eller heltäckande byggen från datarensning till driftsättning. Ange för varje problemet, tekniken och ett mätbart resultat. Lägg till relevanta kurser, din examen, GitHub-länkar och eventuella praktikplatser, och spegla jobbannonsens nyckelord för ATS.
Hur långt bör ett CV för Data Scientist vara?
En sida om du har under fem års erfarenhet, och upp till två sidor för seniora eller forskningstunga bakgrunder. Rekryterare ögnar snabbt igenom, så varje rad bör förtjäna sin plats med ett kvantifierat resultat. Skala bort gamla kurser och verktygslistor snarare än att spilla över på extra sidor med utfyllnad.
Vad är skillnaden mellan ett CV för Data Scientist och ett för Data Analyst?
Ett CV för data scientist betonar prediktiv modellering, maskininlärning, experiment och produktionsdriftsättning, medan ett CV för data analyst kretsar kring SQL, dashboards, rapportering och beskrivande insikter. Båda kvantifierar effekt, men data scientists visar modeller som levererats och mätvärden som flyttats; analytiker visar beslut som möjliggjorts genom tydlig analys och visualisering.
Bör ett CV för Data Scientist innehålla en portfölj eller GitHub?
Ja — en GitHub- eller portföljlänk stärker ett CV för data scientist avsevärt eftersom den bevisar att du faktiskt kan bygga och leverera. Lyft fram två eller tre polerade, dokumenterade projekt med tydliga README-filer och resultat snarare än en kyrkogård av halvfärdiga notebooks. Länka den nära ditt namn så att granskare hittar den direkt.
Tip: before you apply, run your draft through our free ATS resume checker and read the resume writing guide.