한빛출판네트워크

과대포장은 금물, 중요치 않은 일은 제외, 오로지 능력만

데이터 과학자를 찾는 수요가 전례 없이 많지만, 그렇더라도 데이터 과학자로 취업하려면 당신의 능력을 보여줄 수 있는 이력서가 필요합니다. 우리 ‘데이터 인큐베이터(The Data Incubator)’에서는 무료 ‘데이터 과학 펠로우십’에 신청한 지원자들의 이력서 수만 건을 받았습니다. 우리가 특색 없이 밋밋한 이력서를 지녔지만 실제로는 훌륭한 후보자를 찾기 위해 행간을 읽으려 노력하는데 반해, 많은 채용 담당자들은 우리만큼 공을 들이지 않을지도 모릅니다. 이 글에서는 우리의 경험을 바탕으로, 데이터 과학자로 채용되기에 완벽한 이력서를 작성하는 방법에 대해 여러분들께 조언을 드리고자 합니다.

간결하라 : 이력서는 그간의 성과를 정리한 것입니다. 학창시절에 받은 장려상 수상경력을 적기에는 적합하지 않습니다. 지원자는 이력서에 나열한 성과의 ‘총합’보다 ‘평균’에 더 가까운 쪽으로 평가받는다는 사실을 잊지 마십시오. 불필요한 정보를 주게 되면 오히려 평균을 깎아내리게 됩니다. 이력서는 1페이지를 넘지 않도록 하십시오. 바쁜 인사담당자는 단 10초 동안 당신의 이력서를 훑어볼 것이라는 사실을 명심하십시오. 더 많은 내용들을 덧붙이는 건(두 번째 페이지를 추가하는 것도 마찬가지로) 지원자의 주요 정보를 찾아내려는 담당자들에게 혼란을 줄 뿐입니다. 그렇다고 한 페이지에 맞추려고 글자크기를 바꿔서 욱여넣지 말고, 11포인트 이상으로 유지하십시오.

교묘한 말을 피하라 : "교묘한 말(Weasel word)"은 주관적인 말입니다. 인상적이지만 작성자로 하여금 난처한 상황에서 어떤 구체적인 의미 없이 요리조리 빠져나가게 합니다. 예를 들어 "재능있는 코더(coder)"는 교묘한 말을 포함하고 있습니다. "Apache Spark에 2000행을 기여(contributed)했음"이라는 말은 GitHub를 통해 확인할 수 있습니다. “강력한 통계적 배경”은 일련의 애매모호한 단어들입니다. "프린스턴 대학의 통계학 박사 학위와 미국 통계 협회의 최고 논문상”은 입증이 가능합니다. 기술에 대한 자기 평가는 본질적으로 신뢰하거나 믿을 수 없습니다. 이를 뒷받침해줄 수 있는 다른 사람(대학이나 전문가 협회처럼)을 찾는 것이 당신의 주장에 훨씬 더 신뢰를 갖게 만듭니다.

측정 지표를 동원하라 : 마이크 블룸버그(Mike Bloomberg)는 "측정할 수 없는 것은, 관리할 수도, 해결할 수도 없다."라고 말한 것으로 유명합니다. 그 뿐만 아니라 이러한 경영 철학을 수용한 경영자들은 모두 예비 데이터 과학자들이 본인의 성과를 정량화할 수 있는지에 대해 대단히 관심이 많습니다. "우수한 모델 성능 달성"은 설득력이 떨어집니다. (또한 교묘한 말로 가득합니다.) 몇 가지 구체적인 지표를 제시함으로써 구직 전쟁에 큰 도움이 될 것입니다. "모델 오류를 20% 절감하고 훈련 시간을 50% 단축했음"과 같이 표현해보십시오. 측정지표는 교묘한 말을 회피하는 데 매우 효과적인 방법입니다.

맥락 속에서 구체적인 기술을 언급하라 : 기술직무에 채용되려면 기술적인 능력을 실례를 들어서 보여줄 필요가 있습니다. 이력서 상단에 보유기술 목록 혹은 프로그래밍 언어 목록으로 시작하지만, 전후관계와 그 배경까지 전달하지는 않습니다. 그보다 당신의 성과에 대한 이야기 속에 이러한 기술들을 엮어 넣는 것을 고려하십시오. 이전의 예시에 이어서, "scikit-learn의 warm-start 및 정규화 회귀를 사용하여 모델 오류를 20% 절감하고 훈련 시간을 50% 단축했음"처럼 이야기하는 것입니다. 언급한 구체적인 기법들로 인해 당신의 주장이 분명히 나타날 뿐만 아니라 이제 훨씬 더 그럴싸해졌습니다. 더욱이, 당신이 기술을 어떻게 사용하고 있는지에 대해 이야기했기 때문에 회사에서는 단지 보유기술 목록에만 적은 것보다 scikit-learn에 대해 이해하는 것으로 여길 개연성이 훨씬 더 높습니다.

데이터 크기에 대해 이야기하라 : 좋든 싫든 빅데이터는 “내 것이 네 것보다 크다”의 경쟁이 되고 있습니다. 회사는 큰 데이터 세트를 다뤄본 경험이 있는 지원자를 찾고 싶어 합니다. 이는 완전히 부당한 것은 아닙니다. 진정한 “큰 데이터”를 다루는 것은 작은 데이터를 다룰 때에는 없던 특유의 새로운 도전이기 때문입니다. 위쪽의 예처럼 이력서를 작성하면, 채용담당자는 당신이 분석 작업 중에 맞닥뜨린 기술적인 어려움들을 충분히 이해하지 못할 수 있습니다. 다음과 같은 표현을 고려해보십시오 : "2TB 이상의 스트리밍 데이터에서 scikit-learn의 warm-start 및 정규화 회귀를 사용하여 모델 오류를 20% 절감하고 훈련 시간을 50% 단축했음"

데이터 과학이 각광받으면서, 새로이 탈바꿈한 수많은 데이터 과학자들을 끌어들이고 있습니다. 실제 경험이 있다면, 성과를 정량적으로 표시한 간결한 이력서를 작성하여 차별화를 이루십시오. 또한 수요가 많은 도구(tool)들을 사용할 수 있으며, 대규모 데이터 세트에 적용할 수 있다는 점을 어필하십시오.

마이클 리(Michael Li)

마이클 리는 데이터 인큐베이터(The Data Incubator)의 설립자로, 데이터 인큐베이터는 고객 맞춤식의, 벤더 중립적인 빅데이터 기업 연수를 실시하고 있으며, 박사학위 소지자들의 산업계 안착을 위한 8주 과정을 운영하는 빅데이터 교육 및 취업 지원 회사입니다. 이전에는 Foursquare, 구글, Andreessen Horowit, J.P 모건, 미항공우주국(NASA)과 D.E. Shaw에서 데이터 과학자 및 연구원으로 근무했으며, 현재 VentureBeat, Next Web 및 하버드 비즈니스 리뷰에 정기적으로 기고하고 있습니다. 프린스턴 대학에서 박사학위(Ph.D)를 받았으며 마셜 장학생으로 캠브리지 대학에서 수학했습니다.

*****

원문 : 5 secrets for writing the perfect data scientist resume

번역 : 권순범(http://brunch.co.kr/@llun)