這個技能和其他 2,500+ 個，都在你的聊天裡
$9/月 隨時可取消，或每年 $59
- 全部 2,500+ 個技能、提示詞包和代理，一開口就載入
- 不用下載也不用貼上：在 Claude、ChatGPT、Claude Code 或 Cursor 連接一次即可
- 每週新增技能，每月可下載 10 個目錄檔案
資料科學家 AI 履歷建立器
$19
跳至產品資訊
資料科學家 AI 履歷建立器
一份以你交付的模型及每個模型帶來的改變為主軸，並完整列出技能清單的技術履歷。
$19
這個技能
一次付清
永久擁有
提示詞檔案 立即下載
Library 方案
取得這個技能，以及其他 2,500+ 個
$9/月 或每年 $59
取得 Library · $9/月取得 Library- 透過一個連接器，在 Claude、ChatGPT、Claude Code、Codex 和 Cursor 中使用
- 所有技能、提示詞包和代理，試用期間還有 AI CRM 和工具
- 隨時可取消
只需要這個技能嗎？
一個檔案，一次付清。不含更新，不含連接器。
價格約等於 2 個月的 Library。
$19
Pay once, keep foreverInstant download30-day money-back guarantee
由 Stripe 提供安全結帳
各商標均屬其各自所有者。KissMySkills 與其無關聯，亦未獲其背書。
運作方式
Ask it something hard.
在金融科技公司工作兩年，使用 Python 和 PyTorch，基於 4,000 萬筆資料打造流失模型與詐欺評分器，執行約 30 次 A/B 測試，現應徵資深資料科學家。
CLAUDE · WITH THIS SKILL
你會獲得：包含 GitHub、作品集，以及（若有的話）論文連結的頁首 -> 一段摘要，指出你推出的兩個模型，以及每個模型帶動的指標 -> 一個硬技能區塊，內容為 Python、pandas、scikit-learn、PyTorch、SQL、Spark、特徵工程、模型驗證、A/B 測試與因果推論、時間序列預測、NLP、MLflow、Airflow、Docker、SageMaker 和 Databricks -> 一個軟技能區塊，內容為問題框架、實驗設計、不使用方程式解釋模型、與工程師協作完成部署，以及撰寫設計文件 -> 依序排列問題、方法、評估指標、生產狀態和業務成果的經歷條列 -> 學歷、出版品和競賽名次 -> 針對職缺廣告的差距報告
或者，把所有技能都放進你的 AI。
購買前有疑問嗎？由真人回覆，通常當天就會回覆： hello@kissmyskills.com
// 檔案本身
購買前先讀讀看。
你的 AI 會讀到的檔案開頭，與交付內容完全相同，沒有為頁面改寫任何文字。
用名字稱呼它
載入檔案後，直接用名字和它對話：「Serge，看一下這個頁面。」名字就是為此而設的，也能讓同一個對話裡的多個技能各司其職。
載入檔案後，直接用名字和它對話：「Serge，看一下這個頁面。」名字就是為此而設的，也能讓同一個對話裡的多個技能各司其職。
// 驅動你的 AI 的 skill
你是一個專為資料科學家打造的履歷建立工具，每個模型項目都附有其評估指標與上線狀態。你已啟用，準備將使用者已交付的工作整理成技術篩選者信賴的一頁內容。
// 內容
這個技能包含什麼
- 完整列出硬性與軟性資料科學技能，可直接貼上
- 以實際推動的成果，而非使用的函式庫數量，呈現生產模型
- 以篩選者閱讀的方式撰寫實驗與 A/B 測試經驗
- 將資料量、發表成果與競賽名次放在適當位置
資料科學家、應用機器學習從業人員，以及轉往業界職位的碩士或博士畢業生。
// 兩種取得方式
直接在 AI 裡使用，或一次下載。
只買這個技能，以檔案形式
$19 一次付清
- 結帳後下載，貼到任何 AI 聊天中
- 單一檔案，不含更新，不需連接器
- 30 天退款保證
已經訂閱 Library 或 Both？這個已包含在內，不必另外購買檔案。
你實際買到的是什麼
資料科學家的技能履歷通常會以兩種方式之一失敗。不是堆滿四十個函式庫，卻看不出任何成果曾離開筆記本；就是描述了一項分析，但讀者真正想看到的是已上線的模型：它預測什麼、如何評分，以及上線後哪些指標有所變化。
將 prompt 貼到 Claude、ChatGPT、Gemini 或 Copilot 中，說明哪些模型已進入正式環境、你處理過多少資料，以及你的實驗帶來了哪些改變。它會詢問其餘資訊，接著產出一份履歷，將技能清楚分為硬技能與軟技能：Python、pandas、scikit-learn、PyTorch、SQL、Spark、特徵工程、A/B 測試與因果推論、MLflow、Airflow、SageMaker 和 Databricks，以及界定問題、向產品經理解釋模型，還有知道何時某項指標不會改變。發表論文與競賽名次也會有合適的位置。
付款一次，保留檔案，申請每個職位時都能使用。不必建立帳戶，也沒有續訂日期。
// 安裝方式
不到 2 分鐘
四個步驟。任何 AI 聊天。
- 01下載檔案
結帳後，下載連結會寄到你的信箱。將 .txt 檔案儲存在裝置上的任何位置。
- 02開啟你的 AI 聊天功能
任何你已在使用的 AI 聊天：Claude、ChatGPT、Gemini、Grok、Copilot 或其他。
- 03貼上提示詞
開啟 .txt 檔案，複製提示詞段落並貼到 Claude 或 ChatGPT，或加入專案中隨時使用。
- 04開始工作
您的 AI 現已設定為專業助手。您可以詢問它任何與其專業領域相關的問題。
不需要技術知識。不需訂閱。一次付費，永久使用。.
使用 Library，無需下載任何檔案。 只要連接一次 AI，之後就能直接用名稱呼叫任何技能。
// faq
關於此產品的問題
資料科學家的技能履歷表究竟應該列出哪些內容？+
已上線的模型及其帶來的變化、你的 Python 和 ML 技術棧、SQL 和 Spark、實驗設計與 A/B 測試，以及部署相關工具：Docker、Airflow、MLflow、SageMaker 或 Databricks。接著是軟實力的部分，包括如何界定商業問題、向產品團隊解釋模型，以及與工程師協作完成上線。產生器會根據你的回答寫出完整清單。
如果我的模型都沒有上線，這也適用嗎？+
可以，而且不會假裝成已上線。研究專案、論文、競賽名次和內部分析都會如實呈現，清楚寫出資料集、方法和結果。把 notebook 包裝成正式上線系統，是在技術面試中最快失去信任的方法，因此履歷上會清楚區分。
這和資料分析師履歷有什麼不同？+
資料分析師履歷以儀表板、SQL 和所回答的商業問題為核心。這份履歷則以模型為核心：你訓練了什麼、如何評估、是否上線，以及之後指標發生了什麼變化。實驗部分會更完整，BI 部分則較精簡，使用的詞彙也符合資料科學招募經理篩選履歷時關注的內容。
這支援哪些 AI 工具？+
支援 Claude（推薦）、Claude Code、ChatGPT、Gemini 和 Copilot，以及任何接受貼上 prompt 的 AI 聊天工具。不需要安裝任何程式，也不需要建立 AI 以外的帳戶。
準備好讓您的 AI 專精了嗎？
這個和其他 2,500+ 個，都能在 Claude、ChatGPT、Claude Code、Codex 或 Cursor 裡使用。隨時可取消。