Um currículo de habilidades de cientista de dados geralmente falha de uma destas duas formas. Ou é uma parede de quarenta bibliotecas sem nenhum sinal de que algo tenha saído de um notebook, ou descreve uma análise quando o leitor queria ver um modelo colocado em produção: o que ele prevê, como é avaliado e o que mudou depois que entrou no ar.
Cole o prompt no Claude, ChatGPT, Gemini ou Copilot, diga quais modelos chegaram à produção, com qual volume de dados você trabalhou e o que seus experimentos mudaram. Ele pergunta o restante e, então, retorna um currículo com a lista de habilidades dividida claramente entre técnicas e comportamentais: Python, pandas, scikit-learn, PyTorch, SQL, Spark, engenharia de atributos, testes A/B e inferência causal, MLflow, Airflow, SageMaker e Databricks, ao lado de definição do problema, explicação de um modelo para um gerente de produto e discernimento para saber quando uma métrica não vai mudar. Publicações e colocações em competições ganham um espaço adequado.
Pague uma vez, mantenha o arquivo e use-o para cada vaga à qual se candidatar. Não é preciso criar uma conta nem há data de renovação.