ডেটা সায়েন্টিস্ট রিজিউমের উদাহরণ ও লেখার গাইড (২০২৬)

একটি ডেটা সায়েন্টিস্টের রেজিউমের একটাই কাজ: প্রমাণ করা যে আপনার মডেল সিদ্ধান্ত বদলায়, শুধু যে আপনি সেগুলো তৈরি করতে পারেন তা নয়। নিয়োগকারী ম্যানেজাররা নোটবুক, ক্যাগল স্কোর বা টুলের তালিকার জন্য কাউকে নিয়োগ দেন না। তারা নিয়োগ দেন সেই মডেলগুলোর জন্য যা নোংরা ডেটার সংস্পর্শে টিকে থাকে, সৎ ভ্যালিডেশন, প্রোডাকশন এবং ব্যবসার সাথে যুক্ত থাকে: আপনি যে সমস্যা বেছে নিয়েছেন, যে ডেটা পরিষ্কার করেছেন, যে মডেল ভ্যালিডেট করেছেন, যে সিদ্ধান্ত বদলেছে, এবং তার পরের ফলাফল।

নিয়োগকারী ম্যানেজাররা আসলে কী খোঁজেন

ডেটা সায়েন্সের প্রধানকে জিজ্ঞাসা করুন একজন ডেটা সায়েন্টিস্টকে চিরকালের জন্য রাখার মতো এবং ঝুঁকিপূর্ণ — এর মধ্যে পার্থক্য কী — উত্তর হবে "ডেটা নিয়ে প্যাশনেট" নয়। উত্তর হবে:

• জঞ্জাল ডেটা, সামলানো হয়েছে। অনুপস্থিত মান, ফাঁস হওয়া ফিচার এবং স্থানান্তরিত ডিস্ট্রিবিউশন — মডেল প্রোডাকশনে যাওয়ার আগেই খুঁজে বের করা ও ঠিক করা হয়েছে, ব্যবহারকারীদের হাতে ধরা পড়েনি।
• ভ্যালিডেশন যা আপনি রক্ষা করতে পারবেন। বেসলাইন হারানো হয়েছে, হেল্ড-আউট টেস্ট সম্মানিত, এবং লিকেজ পরীক্ষা করা হয়েছে, ফলে রিপোর্ট করা স্কোর নতুন ডেটার মুখোমুখি হলেও টিকে থাকে।
• নোটবুকে নয়, প্রোডাকশনে মডেল। পাইপলাইন, মনিটরিং এবং রিট্রেইনিং পরিকল্পনা — লঞ্চ ঘোষণার পরেও মডেল কাজ করতে থাকে।
• মতামত নয়, পরীক্ষা-নিরীক্ষা। লঞ্চের আগেই A/B টেস্ট এবং সাফল্যের মেট্রিক্স নির্ধারিত, ফলাফল সততার সাথে পড়া হয়, এবং ব্যর্থ পদ্ধতি বাদ দেওয়া হয়।
• লঞ্চের পরে সিদ্ধান্ত বদলেছে। জালিয়াতি আটকানো, চার্ন বাধাগ্রস্ত, বা খরচ পুনর্বণ্টন — গো-লাইভের পরে ট্র্যাক করা হয়েছে, প্রশিক্ষণের স্কোর থেকে অনুমান করা নয়।

ডেটা সায়েন্টিস্ট রিজিউমের উদাহরণ (টীকাসহ)

নিচে ফিনটেক সেক্টরের একজন ডেটা সায়েন্টিস্টের উদাহরণ দেওয়া হলো। এটি কাল্পনিক — নাম এবং কোম্পানিগুলি দৃষ্টান্তমূলক — তবে প্রতিটি বুলেট সেই প্যাটার্ন অনুসরণ করে যা নিয়োগকর্তারা পছন্দ করেন: সমস্যা, মডেল, সিদ্ধান্ত পরিবর্তন।

আদায়েজে ওকনকো
আবুজা, এফসিটি · (234) 555-0193 · adaeze.okonkwo@email.com · linkedin.com/in/adaezeokonkwo

সারসংক্ষেপ
ফিনটেক জালিয়াতি এবং ক্রেডিট ঝুঁকিতে ৫ বছরের অভিজ্ঞতা সম্পন্ন ডেটা সায়েন্টিস্ট। ৮টি মডেল তৈরি ও স্থাপন করেছেন, জালিয়াতির ক্ষতি ৪১% কমিয়েছেন, ক্রেডিট অনুমোদনের নির্ভুলতা ১৮ পয়েন্ট বাড়িয়েছেন, এবং পুনরুদ্ধার করা রাজস্ব $৩.৬ মিলিয়ন বৃদ্ধি করেছেন। সৎ ভ্যালিডেশন এবং লঞ্চের পরেও নির্ভুল থাকা মডেলের জন্য পরিচিত।

দক্ষতা
পাইথন · এসকিউএল · মেশিন লার্নিং · পরিসংখ্যান ও পরীক্ষামূলক নকশা · ফিচার ইঞ্জিনিয়ারিং · মডেল স্থাপনা ও মনিটরিং · A/B টেস্টিং · scikit-learn · TensorFlow · PyTorch · Spark · ডেটা ভিজ্যুয়ালাইজেশন

পেশাগত অভিজ্ঞতা

সিনিয়র ডেটা সায়েন্টিস্ট — পেব্রিজ ফাইন্যান্সিয়াল, আবুজা | ২০২২–বর্তমান

• পেমেন্ট প্ল্যাটফর্মের জন্য জালিয়াতি এবং ক্রেডিট-ঝুঁকি মডেলিংয়ের দায়িত্বে ছিলাম, যা মাসে ২.৪ মিলিয়ন লেনদেন প্রসেস করে: ফিচার, মডেল, ডিপ্লয়মেন্ট এবং মনিটরিং।
• ১৮ মাসের লেনদেন ডেটার উপর রিয়েল-টাইম জালিয়াতি স্কোরিং মডেল তৈরি করেছি, যা হোল্ড-আউট ডেটায় ০.৯৪ AUC অর্জন করেছে, যেখানে বেসলাইন ছিল ০.৮১; পেমেন্ট API-এর পিছনে ডিপ্লয় করে ৬ মাসে জালিয়াতির ক্ষতি ৪১% কমিয়েছি এবং মিথ্যা পজিটিভ ২৩% কমিয়েছি।
• গ্রেডিয়েন্ট বুস্টিং এবং ক্যালিব্রেটেড সম্ভাবনা দিয়ে ক্রেডিট-ঝুঁকি স্কোরকার্ড পুনর্নির্মাণ করেছি, যা অনুমোদনের নির্ভুলতা ১৮ পয়েন্ট বাড়িয়েছে এবং নতুন ঋণে খেলাপি হার ১২% কমিয়েছে।
• ঝুঁকির থ্রেশহোল্ড এবং হস্তক্ষেপের সময় নিয়ে ১১টি A/B পরীক্ষা ডিজাইন ও পরিচালনা করেছি, ৪টি সফল পরীক্ষা চালু করেছি যা অন্যথায় প্রত্যাখ্যাত বৈধ লেনদেন থেকে $৩.৬ মিলিয়ন পুনরুদ্ধার করেছে।
• মডেল মনিটরিং পাইপলাইন তৈরি করেছি ড্রিফট অ্যালার্ট এবং মাসিক রিট্রেইনিং সহ, যা ২টি ডেটা ড্রিফট ধরে ফেলেছে স্কোর খারাপ হওয়ার আগেই এবং প্রোডাকশন নির্ভুলতা ভ্যালিডেশনের ২ পয়েন্টের মধ্যে রেখেছে।

ডেটা সায়েন্টিস্ট — হেলথলাইন অ্যানালিটিক্স, আবুজা | ২০১৯–২০২২

• ৬-হাসপাতাল নেটওয়ার্কের রোগী-প্রবাহ পূর্বাভাসের দায়িত্বে ছিলাম, জটিল শিডিউলিং এক্সট্র্যাক্ট থেকে মডেল ডিপ্লয়মেন্ট এবং সাপ্তাহিক রিট্রেইনিং পর্যন্ত।
• চাহিদা-পূর্বাভাস মডেল তৈরি করেছি যা দৈনিক ভর্তি গড়ে ৭% এর মধ্যে ভবিষ্যদ্বাণী করেছে, যার ফলে স্টাফিং টিম প্রথম বছরেই এজেন্সি খরচ ২৯% কমাতে পেরেছে।
• পুনরায়-ভর্তি ঝুঁকি মডেল চালু করেছি, প্রথম সংস্করণে ডেটা লিকেজ খুঁজে বের করে শুধুমাত্র ডিসচার্জ-পূর্ব ফিচারে পুনর্নির্মাণ করেছি; সৎ সংস্করণটি এখনও ম্যানুয়াল রিভিউর চেয়ে ৩ সপ্তাহ আগে সবচেয়ে ঝুঁকিপূর্ণ রোগীদের চিহ্নিত করেছে।
• ক্লিনিশিয়ান এবং অপারেশন টিমের সাথে ত্রৈমাসিক মডেল রিভিউ পরিচালনা করেছি, সীমাবদ্ধতা প্রকাশ করেছি যাতে প্রতিটি টিম ব্যাখ্যা করতে পারে কোন মডেল কী সিদ্ধান্ত নিতে পারে এবং কী নয়।

শিক্ষা
বিএসসি, গণিত — ২০১৯

ধাপে ধাপে বিশ্লেষণ

সারাংশ: ডোমেইন, কর্মকাল এবং শিরোনাম প্রমাণ তিন লাইনে

উদাহরণটি ডোমেইন এবং কর্মকাল দিয়ে শুরু হয়, তারপর প্রমাণ: ডিপ্লয়েড মডেল, জালিয়াতির ক্ষতি কমানো, অনুমোদনের নির্ভুলতা বৃদ্ধি, পুনরুদ্ধার করা রাজস্ব। প্রোডাকশন টাইটেল ছাড়া, মডেলিংয়ের পরিধি দিয়ে শুরু করুন: “বড় কাস্টমার ডেটাসেটে চার্ন মডেল তৈরি করেছি, হোল্ড-আউট ডেটায় ভ্যালিডেট করেছি এবং দেখিয়েছি এটি সবচেয়ে ঝুঁকিপূর্ণ অ্যাকাউন্টগুলো সপ্তাহ আগে চিহ্নিত করত।”

দক্ষতা: পদ্ধতি এবং টুলস ঠিক যেমন পোস্টিংয়ে লেখা আছে

ডেটা সায়েন্টিস্ট পোস্টিংগুলো কীওয়ার্ড-ঘন, এবং Applicant Tracking Systems সঠিক শব্দ খোঁজে। আপনার পদ্ধতি (মেশিন লার্নিং, এক্সপেরিমেন্টাল ডিজাইন, ফিচার ইঞ্জিনিয়ারিং) এবং টুলস (Python, SQL, scikit-learn, TensorFlow, PyTorch, Spark) উল্লেখ করুন। “ডেটা-চালিত” একটি কীওয়ার্ড নয়; “গ্রেডিয়েন্ট বুস্টিং” একটি কীওয়ার্ড।

অভিজ্ঞতা: প্রতিটি বুলেট একটি মডেলকে একটি পরিবর্তিত সিদ্ধান্তের সাথে জোড়া দেয়

প্যাটার্নটি হলো সমস্যা + মডেল + ফলাফল: “রিয়েল-টাইম স্কোরিং মডেল দিয়ে প্রতারণার ক্ষতি কমানো, যা একটি নিয়ম-ভিত্তিক বেসলাইনের বিরুদ্ধে যাচাই করা হয়েছে”; “থ্রেশহোল্ড পরীক্ষা দিয়ে বৈধ ভলিউম পুনরুদ্ধার করা”। সুযোগও গুরুত্বপূর্ণ — প্রতি মাসে লেনদেন, ডেটার মাস, চালানো পরীক্ষা।

যাচাইকরণ: সেরা স্কোর নয়, সৎ সংস্করণ দেখান

প্রতিটি ডেটা সায়েন্টিস্ট নির্ভুলতা রিপোর্ট করেন; শক্তিশালী ব্যক্তিরা বেসলাইন, হেল্ড-আউট ফলাফল এবং যে সংস্করণটি তারা বাতিল করেছেন তাও রিপোর্ট করেন। একটি লিকড ফিচার খুঁজে ঠিক করার বিষয়ে একটি বুলেট প্রমাণ করে বৈজ্ঞানিক বিচারবুদ্ধি, যা নিয়োগকারী ম্যানেজাররা মূল্য দেন, এবং এটি একটি ডেটা সায়েন্টিস্ট রিজিউমেকে নোটবুক পোর্টফোলিও থেকে আলাদা করে।

ডেটা সায়েন্টিস্ট দক্ষতা এবং ATS কীওয়ার্ড

পোস্টিংয়ের সঠিক ভাষা মিরর করুন এবং এই গ্রুপগুলো আপনার রিজিউমেতে রাখুন:

• পদ্ধতি: মেশিন লার্নিং, পরিসংখ্যানগত মডেলিং, পরীক্ষামূলক নকশা, A/B টেস্টিং, ফিচার ইঞ্জিনিয়ারিং, মডেল মূল্যায়ন, টাইম-সিরিজ পূর্বাভাস।
• টুলস: Python, SQL, scikit-learn, TensorFlow, PyTorch, Spark (শুধুমাত্র যে গভীরতা আপনার সত্যিই আছে)।
• ডিপ্লয়মেন্ট: মডেল মনিটরিং, ড্রিফট ডিটেকশন, রিট্রেনিং পাইপলাইন, API সার্ভিং, ডেটা পাইপলাইন, ভার্সন কন্ট্রোল।
• বিশ্লেষণ: ডেটা র্যাংলিং, এক্সপ্লোরেটরি অ্যানালাইসিস, কোহর্ট অ্যানালাইসিস, ফানেল অ্যানালাইসিস, কার্যকারণ অনুমানের মৌলিক বিষয়, ব্যবসায়িক কেস।

আবেদনের আগে আপনার রিজিউমে একটি ফ্রি ATS স্ক্যানের বিরুদ্ধে যাচাই করুন — উদাহরণস্বরূপ, Cvyon-এর ATS গ্রেডার। ডেটা সায়েন্টিস্ট রিজিউমে প্রায়শই অস্পষ্ট বুলেট এবং অনুপস্থিত কীওয়ার্ডের কারণে ব্যর্থ হয়, ফরম্যাটিংয়ের কারণে নয়। একটি পরিষ্কার টেমপ্লেট গ্যালারি বা রিজিউমে বিল্ডার বিকল্প থেকে শুরু করুন, তারপর ফ্রি ATS গ্রেডার দিয়ে যাচাই করুন।

5টি ভুল যা ডেটা সায়েন্টিস্ট ইন্টারভিউয়ের খরচ করে

1. নোটবুক প্রজেক্ট, সিদ্ধান্ত নয়। “উচ্চ নির্ভুলতার একটি মডেল তৈরি করেছি” — এতে কিছুই বোঝায় না যে কী পরিবর্তন হয়েছে। প্রতিটি বুলেটে একটি সমস্যা, একটি মডেল এবং এটি যে সিদ্ধান্ত পরিবর্তন করেছে তা উল্লেখ করতে হবে।
2. বেসলাইন ছাড়া নির্ভুলতা। বেসলাইন বা আলাদা টেস্ট সেট ছাড়া একটি স্কোর অনুমান হিসেবে পড়ে। বেসলাইন হারানো, ভ্যালিডেশন সম্মান করা, ব্যর্থতা প্রকাশ করা — প্রমাণ সংযুক্ত করুন বা বুলেটটি বাদ দিন।
3. ডেটা সায়েন্টিস্ট রিজিউমেতে অ্যানালিস্ট ভাষা। ড্যাশবোর্ড এবং রিপোর্ট অ্যানালিস্ট দক্ষতা প্রমাণ করে, মডেলিং বিচার নয়। মডেলটি কীভাবে স্থাপন করা হয়েছে এবং এর পেছনের সিদ্ধান্তটি দিয়ে শুরু করুন।
4. পদ্ধতি ছাড়া টুলের তালিকা। Python, TensorFlow এবং Spark নিজে থেকে কিছু প্রমাণ করে না। প্রতিটি টুলকে এটি যে সিদ্ধান্তে কাজে লেগেছে তার সাথে জুড়ুন: “জালিয়াতি স্কোরিংয়ের জন্য গ্রেডিয়েন্ট বুস্টিং,” “স্টাফিংয়ের জন্য পূর্বাভাস।”
5. অপাঠযোগ্য ফরম্যাটিং। মাল্টি-কলাম লেআউট, টেক্সট বক্স এবং ইমেজ-ভিত্তিক PDF পার্সিংকে এলোমেলো করে, ফলে আপনার মডেলিং সেকশন শব্দের স্যুপ হয়ে যায়। এক কলাম, স্ট্যান্ডার্ড হেডিং, আসল টেক্সট।

সচরাচর জিজ্ঞাসিত প্রশ্ন

ডেটা সায়েন্টিস্ট রিজিউমেতে কী অন্তর্ভুক্ত করা উচিত?

আপনার ডোমেইন উল্লেখ করে একটি সারাংশ (যেমন: ফিনটেক জালিয়াতি এবং ক্রেডিট ঝুঁকিতে ৫ বছরের অভিজ্ঞতা সম্পন্ন ডেটা সায়েন্টিস্ট) এবং সবচেয়ে শক্তিশালী স্থাপিত ফলাফল; Python, SQL, মেশিন লার্নিং, পরিসংখ্যান এবং ডেটা ভিজুয়ালাইজেশন সহ দক্ষতা বিভাগ; প্রতিটি মডেলকে ব্যবসায়িক সিদ্ধান্তের সাথে যুক্ত করে অভিজ্ঞতার বুলেট; এবং স্থাপিত প্রভাব দেখানো মেট্রিক্স, শুধু নোটবুক অন্বেষণ নয়। স্থাপিত ফলাফল একা মডেল নির্ভুলতার চেয়ে বেশি গুরুত্বপূর্ণ।

ডেটা সায়েন্টিস্ট হতে কি পিএইচডি প্রয়োজন?

না — ডেটা সায়েন্টিস্টরা কম্পিউটার সায়েন্স, গণিত, পরিসংখ্যান, প্রকৌশল এবং পদার্থবিজ্ঞানের পটভূমি থেকে আসে, এবং নিয়োগকর্তারা স্থাপিত মডেল এবং ব্যবসায়িক প্রভাবকে নির্দিষ্ট ডিগ্রির চেয়ে অনেক বেশি গুরুত্ব দেন। গবেষণা-ভারী ভূমিকার জন্য পিএইচডি সাহায্য করতে পারে, কিন্তু প্রোডাকশনে স্থাপিত মডেল, চালানো পরীক্ষা এবং পরিবর্তিত সিদ্ধান্তের পোর্টফোলিও বেশি প্রমাণ করে। ক্যারিয়ার পরিবর্তন করছেন? স্থানান্তরযোগ্য মডেলিং কাজ দিয়ে শুরু করুন: একটি ডেটাসেট যা আপনি পরিষ্কার করেছেন, একটি মডেল যা আপনি ভ্যালিডেট করেছেন এবং একটি ফলাফল যা আপনি পরিমাপ করেছেন।

কীভাবে ডেটা সায়েন্টিস্ট রিজিউমেকে ATS-বান্ধব করব?

এটি এক-কলামে স্ট্যান্ডার্ড হেডিং (সারাংশ, দক্ষতা, অভিজ্ঞতা, শিক্ষা) এবং আসল টেক্সট দিয়ে রাখুন, টেক্সটের ছবি নয়। পদ্ধতি এবং টুলের বানান পোস্টিংয়ে যেমন আছে তেমনই লিখুন (Python, SQL, মেশিন লার্নিং, A/B টেস্টিং, scikit-learn, TensorFlow, PyTorch, Spark), এবং টেক্সট-ভিত্তিক PDF বা DOCX হিসেবে সংরক্ষণ করুন। আবেদনের আগে একটি ফ্রি ATS গ্রেডারে চালান — ডেটা সায়েন্টিস্ট রিজিউমে প্রায়শই অস্পষ্ট বুলেট এবং অনুপস্থিত কীওয়ার্ডের কারণে ব্যর্থ হয়, ফরম্যাটিং সৌন্দর্যের কারণে নয়।

ডেটা সায়েন্টিস্ট রিজিউমেতে নিয়োগকর্তারা কোন দক্ষতা সবচেয়ে বেশি চান?

মেশিন লার্নিং (শ্রেণিবিন্যাস, রিগ্রেশন, পূর্বাভাস এবং সুপারিশ), পরিসংখ্যান এবং পরীক্ষামূলক নকশা, Python এবং SQL, ডেটা র‍্যাংলিং এবং ফিচার ইঞ্জিনিয়ারিং, মডেল মূল্যায়ন এবং স্থাপনা, স্পষ্ট গল্প বলাসহ ডেটা ভিজ্যুয়ালাইজেশন এবং যোগাযোগ যা একটি মডেলের ফলাফলকে সিদ্ধান্তে রূপান্তরিত করে। টুল কীওয়ার্ড গুরুত্বপূর্ণ: Python, SQL, scikit-learn, TensorFlow, PyTorch এবং Spark হল আক্ষরিক ATS ফিল্টার — এগুলিকে পোস্টিংয়ে যেভাবে লেখা আছে ঠিক সেভাবে বানান করুন এবং প্রতিটি মডেলের পিছনের সিদ্ধান্তের নাম উল্লেখ করুন।

একটি ডেটা সায়েন্টিস্ট রিজিউমে একটি ডেটা অ্যানালিস্ট রিজিউমে থেকে কীভাবে আলাদা?

একটি ডেটা অ্যানালিস্ট রিজিউমে অন্তর্দৃষ্টি প্রমাণ করে: ড্যাশবোর্ড, রিপোর্ট এবং ব্যবসা ইতিমধ্যে জিজ্ঞাসা করা প্রশ্নের উত্তর। একটি ডেটা সায়েন্টিস্ট রিজিউমে পূর্বাভাস এবং অটোমেশন প্রমাণ করে: মডেল যা স্কোর করে, পূর্বাভাস দেয় বা সুপারিশ করে, সততার সাথে বৈধতা দেওয়া, প্রোডাকশনে স্থাপন করা এবং লঞ্চের পরে পর্যবেক্ষণ করা। অ্যানালিস্ট বুলেট পয়েন্টগুলি পাওয়া অন্তর্দৃষ্টি দিয়ে শুরু হয়; ডেটা সায়েন্টিস্ট বুলেট পয়েন্টগুলি স্থাপন করা মডেল এবং এটি যে সিদ্ধান্ত পরিবর্তন করেছে তা দিয়ে শুরু হয়। দুটি আলাদা রাখুন — এগুলিকে মিশ্রিত করলে উভয় গল্পই দুর্বল হয়ে যায়।

প্রোডাকশন মডেল ছাড়া আমি কীভাবে ডেটা সায়েন্টিস্ট রিজিউমে লিখব?

আপনি যে মডেলিং কাজ দেখাতে পারেন তা দিয়ে শুরু করুন: একটি ক্যাপস্টোন বা সাইড প্রজেক্ট যেখানে আপনি জঞ্জাল ডেটা পরিষ্কার করেছেন, মডেলগুলিকে সততার সাথে তুলনা করেছেন, হেল্ড-আউট ডেটাতে বৈধতা দিয়েছেন এবং একটি ছোট কার্যকরী সংস্করণ স্থাপন করেছেন, প্রতিটি সমস্যা + মডেল + পরিমাপিত ফলাফল হিসাবে ফ্রেম করা। “40,000 গ্রাহক রেকর্ডে একটি চার্ন মডেল তৈরি করেছি, হেল্ড-আউট ডেটাতে বৈধতা দিয়েছি এবং দেখিয়েছি যে এটি সপ্তাহ আগে সবচেয়ে ঝুঁকিপূর্ণ অ্যাকাউন্টগুলিকে চিহ্নিত করত” প্রোডাকশন শিরোনাম ছাড়াই ডেটা সায়েন্স চিন্তাভাবনা প্রমাণ করে। প্রাসঙ্গিক কোর্সওয়ার্ক যোগ করুন এবং প্রথমে এটি একটি ফ্রি ATS গ্রেডারের মাধ্যমে চালান।

সম্পর্কিত গাইড: ডেটা অ্যানালিস্ট রিজিউমে উদাহরণ, বিজনেস অ্যানালিস্ট রিজিউমে উদাহরণ, প্রজেক্ট ম্যানেজার রিজিউমে উদাহরণ এবং ফ্রি ATS চেকার কীভাবে কাজ করে।

আপনারটি তৈরি করতে প্রস্তুত? রিজিউমে বিল্ডারে একটি পরিষ্কার ATS-নিরাপদ লেআউট বেছে নিন, টেমপ্লেট গ্যালারি ব্রাউজ করুন, ফ্রি ATS গ্রেডার দিয়ে চালান এবং ভূমিকা-নির্দিষ্ট উদাহরণের জন্য ডেটা সায়েন্টিস্ট রিজিউমে গাইড দেখুন।