CV voorbeeld data scientist (2026)
Een sterk data scientist-cv verbindt ML-modellen direct aan bedrijfsresultaten. Welk algoritme gebruikte je, op welke schaal werkte je, en hoeveel omzet of kostenbesparing leverde het op? Beschrijf je modellen met performance-metrics en business-impact, niet met buzzwords.
Compleet cv als data scientist
Dit cv toont hoe je ML-modellen, NLP-pipelines en experimentatie beschrijft met frameworks, metrics en meetbare business-impact.
Data scientist met 5 jaar ervaring in het ontwikkelen en deployen van machine learning-modellen voor e-commerce en fintech. Sterk in Python (TensorFlow, PyTorch, scikit-learn), SQL en cloud-omgevingen (AWS SageMaker, GCP Vertex AI). Ervaren in NLP, computer vision, A/B-testing en het vertalen van complexe modelresultaten naar strategische aanbevelingen. Publicaties op interne kennisconferenties en bijdragen aan open-source projecten.
- Ontwikkelde aanbevelingsmodel (TensorFlow) dat conversie op zoekresultatenpagina met 18% verhoogde, goed voor €4,2M extra omzet per kwartaal.
- Bouwde NLP-pipeline voor sentimentanalyse op 12 miljoen gastreviews; inzichten leidden tot productverbeteringen in 3 markten.
- Leidde A/B-testframework voor het prijsalgoritme-team; 15+ experimenten per kwartaal met statistisch significante resultaten.
- Mentorde 3 junior data scientists en gaf interne workshops over MLOps en modelmonitoring.
- Ontwikkelde fraudedetectiemodel (XGBoost, PyTorch) dat 94% van frauduleuze transacties detecteerde bij slechts 0,3% false positives.
- Bouwde churn-predictiemodel voor zakelijke klanten met een AUC van 0,91; bespaarde €2,8M aan klantretentiekosten.
- Automatiseerde feature engineering-pipeline in PySpark voor datasets van 50+ miljoen rijen.
- Implementeerde modelmonitoring-dashboard (MLflow, Grafana) voor 8 productiemodellen.
- Ontwikkelde computer vision-model (PyTorch) voor kwaliteitscontrole in productielijn; defectdetectie verbeterde met 34%.
- Voerde exploratieve data-analyse uit op medische datasets en presenteerde bevindingen aan R&D-stakeholders.
- Automatiseerde rapportageprocessen met Jupyter Notebooks en Airflow.
TensorFlow Developer Certificate (2022) · AWS Machine Learning Specialty (2023) · Kaggle Competitions Master (top 1%) · Spreker interne AI-conferentie ING (2022)
Dezelfde inhoud, twaalf stijlen
Kies de opmaak die past bij jouw beroep.
Bekijk alle stijlen op onze cv-templates pagina.
Een profiel dat wél werkt
Open je profiel met je ML-specialisatie (NLP, computer vision, recommender systems) en de frameworks die je beheerst. Benoem de sectoren waarin je werkte en sluit af met je sterkste resultaat — denk aan conversielift, AUC-scores of besparingen in euro's.
Ik ben een enthousiaste data scientist met een passie voor machine learning en data. Ik zoek een uitdagende functie waarin ik mijn vaardigheden kan inzetten.
Data scientist met 5 jaar ervaring in TensorFlow, PyTorch en scikit-learn. Bouwde aanbevelingsmodel dat conversie met 18% verhoogde (€4,2M/kwartaal). Ervaren in NLP, computer vision en A/B-testing.
Meer tips? Lees onze gids voor het persoonlijk profiel.
Wat werkgevers zoeken bij data scientists
Hiring managers beoordelen data scientists op de combinatie van technische diepgang en business-relevantie. Benoem bij elke vaardigheid het specifieke framework, de dataset-omvang en de resultaatmetric (AUC, F1, euro's).
Machine Learning & Deep Learning
Supervisored, unsupervised, reinforcement learning — noem de algoritmes die je in productie hebt gebracht.
Python & R
TensorFlow, PyTorch, scikit-learn, pandas, NumPy — wees specifiek over de libraries en versies die je gebruikt.
NLP & Tekst
spaCy, Hugging Face, BERT, GPT-integraties — beschrijf de schaal van je tekstdata en de toepassing.
Computer Vision
OpenCV, YOLO, image classification — benoem de use case en de nauwkeurigheid van je modellen.
Statistiek & Experimentatie
A/B-testing, hypothesetoetsing, Bayesiaanse methoden — koppel de methode aan de business-vraag.
MLOps & Cloud
AWS SageMaker, GCP Vertex AI, MLflow, Docker, Airflow — laat zien dat je modellen ook in productie brengt.
Lees meer over welke vaardigheden je kunt noemen in onze vaardigheden-gids.
Zo beschrijf je werkervaring
Beschrijf per rol welk type modellen je bouwde, welke frameworks en datasets je gebruikte, en wat de business-impact was. Vermeld of je modellen in productie bracht en hoe je ze monitorde.
- Ontwikkelde aanbevelingsmodel (TensorFlow) dat conversie met 18% verhoogde (€4,2M/kwartaal).
- Bouwde NLP-pipeline voor sentimentanalyse op 12 miljoen gastreviews.
- Leidde A/B-testframework; 15+ experimenten per kwartaal met significante resultaten.
- Mentorde 3 junior data scientists en gaf workshops over MLOps.
- Ontwikkelde fraudedetectiemodel (XGBoost/PyTorch) met 94% detectie bij 0,3% false positives.
- Bouwde churn-predictiemodel met AUC 0,91; bespaarde €2,8M aan retentiekosten.
- Automatiseerde feature engineering in PySpark voor datasets van 50M+ rijen.
Gebruik actieve werkwoorden om je bullets krachtiger te maken.
Wel doen en niet doen
Koppel modellen aan business-impact
"Aanbevelingsmodel verhoogde conversie met 18% (€4,2M/kwartaal)" is sterker dan "Bouwde ML-modellen". Recruiters zoeken impact.
Vermijd vage AI-claims
"Ervaring met AI" zegt niets. Benoem het specifieke algoritme, de dataset-omvang en de performance-metriek (AUC, F1, accuracy).
Noem productie-ervaring
Modellen bouwen is stap één — laat zien dat je ze ook deployt, monitort en onderhoud. MLOps-ervaring is schaars en waardevol.
Niet elk Kaggle-project noemen
Eén top-ranking (top 5%) is overtuigend. Een lijst van tien competities zonder resultaat verwatert je cv.
Voeg een GitHub of portfolio toe
Open-source bijdragen, Jupyter Notebooks of een technisch blog laten je denkwijze en codeerkwaliteit zien.
Overdrijf niet met buzzwords
"Generative AI expert" klinkt hol zonder bewijs. Beschrijf concreet welke LLM-toepassingen je bouwde en wat het opleverde.
Controleer je cv met onze cv-checklist voordat je solliciteert.
CV klaar? Solliciteer direct
Recente vacatures voor data scientists via Indeed.
Wat verdien je als data scientist?
Salarisindicatie op basis van cvcoach AI-analyse van 1183+ recente vacatures.
FAQ: CV als data scientist
Een data scientist bouwt voorspellende modellen (machine learning, deep learning) en werkt met geavanceerde frameworks als TensorFlow en PyTorch. Een data-analist richt zich op beschrijvende analyses, dashboards en rapportages. Benadruk op je cv welke modellen je in productie bracht en welke impact ze hadden.
Python is essentieel, aangevuld met ML-frameworks (TensorFlow, PyTorch, scikit-learn), SQL, en cloud-ervaring (AWS, GCP). Noem ook je ervaring met experimentatie (A/B-testing), MLOps en specifieke domeinen zoals NLP of computer vision.
Ja, maar wees selectief. Eén sterke Kaggle-ranking (top 5%) of een interne publicatie telt zwaarder dan een lange lijst. Link naar je GitHub-profiel als je open-source bijdragen hebt — dat laat je praktische vaardigheden zien.
Beschrijf hoe je modellen naar productie bracht: welke tools je gebruikte (MLflow, Docker, Airflow, Kubernetes), hoe je modelmonitoring inrichtte, en hoeveel modellen je in productie beheert. Dit onderscheidt je van kandidaten die alleen notebooks bouwen.
Een MSc in AI, informatica, wiskunde of een verwant veld is bij de meeste werkgevers gewenst. Een PhD is een pluspunt maar niet vereist. Praktijkervaring, een sterk portfolio en aantoonbare resultaten wegen steeds zwaarder dan alleen een diploma.
Noem niet alleen de taal, maar ook de specifieke libraries die je beheerst (TensorFlow, PyTorch, scikit-learn, pandas, tidyverse). Koppel ze aan concrete projecten, bijvoorbeeld: "Bouwde churn-predictiemodel in Python (scikit-learn) met AUC 0,91."
Ja, maar wees selectief. Eén sterke Kaggle-ranking (top 5%) of een peer-reviewed publicatie maakt meer indruk dan een lange lijst zonder context. Vermeld de competitie, je ranking en wat je leerde of ontwikkelde.
Vermeld de tools die je gebruikte (Docker, MLflow, AWS SageMaker, Kubernetes) en het aantal modellen dat je in productie bracht. Beschrijf ook hoe je modelmonitoring en -onderhoud regelde, want dit onderscheidt je van kandidaten die alleen in notebooks werken.
Bronnen en verder lezen
CV voorbeelden in ICT & Data
Begin met je data scientist-cv
Vertaal je ML-modellen, experimentatie en productie-ervaring naar een overtuigend data scientist-cv.