Cách Tôi Tối Ưu CV Để Nhận Offer Data Science & Machine Learning Trên 100.000 USD

Làm sao để viết CV cho ngành khoa học dữ liệu và máy học thực sự giúp bạn dễ dàng ghi điểm với nhà tuyển dụng.

Tôi từng xem qua hơn 100 bản CV trong lĩnh vực data science và machine learning – cả với vai trò người trong nghề và là người hướng dẫn, hỗ trợ nghề nghiệp. Thú thật, đa phần CV tôi thấy đều chưa đạt.
Thực ra, viết CV tốt không quá khó, nhiều người chỉ mắc ở những lỗi cơ bản.
Một bản CV chỉn chu chính là tấm vé đầu tiên giúp bạn lọt vào vòng phỏng vấn, nên bạn càng phải đầu tư cho phần này.
Trong bài viết này, tôi sẽ chia sẻ cách tôi đã thiết kế CV giúp mình nhận được nhiều offer trên 100.000 USD ở lĩnh vực data science và machine learning, kèm theo kinh nghiệm thực tế cho từng phần.

Mẫu CV (Tổng Quan)

Nếu bạn không có nhiều thời gian đọc hết bài, đây là bản CV mẫu định dạng PDF làm từ LaTeX (sử dụng Overleaf) và bản Google Doc.

Nếu bạn muốn nhận mẫu template này và biết cách áp dụng, hãy xem đường link bên dưới:
https://resume.egorhowell.com

Tôi có hai phiên bản vì file PDF làm bằng LaTeX nhìn rất đẹp mắt, nhưng có thể gặp khó khăn với hệ thống lọc hồ sơ tự động (ATS). Bạn có thể tìm hiểu thêm tại đây.
Vì thế, tôi còn chuẩn bị thêm một bản Google Doc để đảm bảo ATS dễ nhận diện.
ATS là hệ thống giúp nhà tuyển dụng tự động lọc ứng viên không phù hợp với yêu cầu. Các hệ thống này đôi khi gặp vấn đề khi nhận dạng định dạng, ví dụ như file PDF xuất từ LaTeX.
Gần như tất cả các công ty thuộc nhóm Fortune 500 (99%) đều dùng ATS trong tuyển dụng, và 75% CV bị loại bởi hệ thống này trước khi đến tay nhà tuyển dụng thực sự.
Vì vậy, nếu bạn nộp hồ sơ qua các kênh như LinkedIn quick apply hay ứng tuyển qua các form tự động trên Indeed, hãy ưu tiên dùng bản Google Doc cho an toàn.
Còn nếu bạn chắc chắn CV của mình sẽ do tuyển dụng viên, quản lý tuyển dụng hoặc người phụ trách trực tiếp xem, thì gửi bản PDF từ LaTeX/Overleaf sẽ chuyên nghiệp hơn.
Giờ hãy cùng tôi phân tích từng phần và các mẹo quan trọng nhất!

Mẫu LaTeX tôi dùng tham khảo từ template này của Timmy Chan. Bạn có thể xem source code tại đây trên GitHub của anh ấy. Template và code được cấp phép theo Creative Commons CC BY 4.0.

Nguyên Tắc Chung Khi Viết CV

Đây là những nguyên tắc cơ bản mà bạn nên tuân thủ. Nhiều bạn chỉ thiếu một trong số này thôi đã khiến CV mất điểm:

Tuyệt đối không để lỗi chính tả, ngữ pháp phải chuẩn. Nếu có lỗi, nhà tuyển dụng sẽ đánh giá bạn không cẩn thận.
Chỉ nên để CV dài 1 trang, trừ khi bạn có hơn 10 năm kinh nghiệm.
Giữ cỡ chữ thống nhất, hạn chế lạm dụng in đậm hoặc nghiêng quá nhiều.
Định dạng đơn giản, trình bày rõ ràng, không nên làm màu.
Không nên chèn hình ảnh, biểu tượng, logo không cần thiết.
Tránh đưa thông tin dễ gây thiên vị như tuổi, giới tính, quốc tịch…
Trình bày gạch đầu dòng, không viết thành đoạn văn dài.
Nếu dùng Google Doc, nên chọn font chữ phổ biến, dễ đọc như Times New Roman, Calibri hoặc Georgia.
Nếu gửi bản PDF, tôi khuyên dùng LaTeX để CV trông chuyên nghiệp hơn.
Nếu có thời gian, hãy tùy biến từng phần CV cho sát với vị trí bạn định ứng tuyển.

Phần Tiêu Đề

Phần này rất dễ, nhưng không ít bạn vẫn mắc lỗi.
Những thông tin bắt buộc:

Họ tên.
Chức danh/định hướng nghề nghiệp (có thể để hoặc bỏ).
Thông tin liên hệ: số điện thoại, email.
Địa chỉ (chỉ cần thành phố và quốc gia).
Các đường link như LinkedIn, GitHub, Medium, Kaggle… Lưu ý: link phải vào được, đảm bảo ai click vào đều xem được thông tin bạn muốn chia sẻ.

Phần Tóm Tắt Hồ Sơ (Summary Statement)

Nếu các phần CV khác đã thể hiện rõ bạn là ai, đang làm gì, thì phần này có thể không cần thiết. Đôi khi thêm vào chỉ làm lặp ý, tốn diện tích.
Cá nhân tôi không dùng phần này và không thấy ảnh hưởng gì. Tuy nhiên, nếu muốn cá nhân hóa cho từng công ty, hoặc tối ưu cho ATS, bạn có thể thêm.
Lưu ý lớn nhất: đừng dùng những từ chung chung như “đam mê”, “chịu khó”, “quyết tâm”… Rất nhiều CV đều tự nhận mình là người chăm chỉ, có động lực, đam mê – và đó chỉ là tiêu chuẩn tối thiểu.
Nếu cần viết phần này, chỉ nên tóm tắt bạn là ai, đã làm gì trong 1-2 câu ngắn gọn.
Ví dụ với tôi:

Nhà khoa học dữ liệu / kỹ sư machine learning với hơn 4 năm kinh nghiệm, chuyên về dự báo chuỗi thời gian, nghiên cứu tối ưu hóa và các bài toán ứng dụng máy học. Đã làm việc tại nhiều doanh nghiệp thuộc các lĩnh vực bảo hiểm, chuỗi cung ứng và logistics.

Chỉ cần ngắn gọn, rõ ràng.

Kỹ Năng Chuyên Môn

Phần này chỉ cần liệt kê ngắn gọn những kỹ năng nổi bật nhất, tối đa 4–5 dòng là đủ.
Nên đặt ở đầu CV để nhà tuyển dụng nhanh chóng xác định bạn phù hợp về kỹ thuật.
Những lỗi phổ biến nhất:

Không nên liệt kê quá nhiều công nghệ để “cho đủ bộ”. Nếu bạn ghi Python, SQL, C++, Rust, Assembly… tôi sẽ nghi ngờ bạn thực tế có dùng được hết không.
Về ngôn ngữ lập trình, chỉ nên ghi “thành thạo” hoặc “đã sử dụng”; không nên cho điểm (như Python 4/5) hay tự nhận “chuyên gia”. Chỉ ghi khi bạn thực sự có thể giải quyết bài toán thực tế bằng ngôn ngữ đó.
Không cần kể tên tất cả các thư viện Python quen thuộc như NumPy, Pandas, Matplotlib… Vì ai làm data science cũng mặc định biết. Thay vào đó, hãy thêm các công cụ đặc thù như Git, AWS, Argo, Bash, Databricks… mà không phải ai cũng có.

Kinh Nghiệm Làm Việc / Dự Án

Đây là phần quan trọng nhất. Hãy thể hiện cụ thể bạn đã làm gì, kết quả ra sao – tốt nhất là có số liệu cụ thể (đặc biệt là các kết quả tác động tài chính).
Đừng ngại thể hiện thành tựu của mình và nhấn mạnh giá trị bạn đã tạo ra.
Ví dụ, trong CV của tôi, tôi mô tả các bước kỹ thuật hoặc mô hình (như ARIMAX, XGBoost) với mục tiêu giải quyết bài toán kinh doanh cụ thể, nêu rõ kết quả cải thiện ra sao (bằng số liệu), và cuối cùng là tác động đến doanh nghiệp.
Cách trình bày này giúp bạn vừa thể hiện được năng lực kỹ thuật, vừa cho thấy bạn hiểu vai trò của mình với hoạt động kinh doanh.
Cuối cùng, điều nhà tuyển dụng quan tâm là bạn mang lại giá trị gì cho công ty – dùng mô hình gì không quan trọng bằng kết quả.
Nên trình bày mỗi ý theo khung sau:

Đã giải quyết vấn đề gì?
Dùng công nghệ, thuật toán, công cụ gì?
Kết quả/metric thay đổi ra sao?
Giá trị mang lại cho doanh nghiệp là gì?

Ngoài ra, hãy nêu cụ thể tên công nghệ, framework, thuật toán bạn từng dùng – vừa giúp ATS nhận diện, vừa gây ấn tượng với người thật.

Các lưu ý khác:

Nên chỉ đưa vào các vị trí được trả lương hoặc nghiên cứu thực tế.
Trình bày theo thứ tự thời gian từ gần nhất về trước.
Tách rõ thực tập và full-time.
Không cần dùng gạch đầu dòng phụ (sub-bullet).

Nếu chưa có kinh nghiệm, bạn có thể thay bằng phần “Dự án” và cũng trình bày theo hướng như trên. Nên chọn các dự án sát với vị trí muốn ứng tuyển để thể hiện sự quan tâm đúng hướng.

Học Vấn

Nếu bạn chưa có nhiều kinh nghiệm, nên để phần học vấn lên trước, rồi đến dự án.
Với tôi, đã có hơn 4 năm kinh nghiệm nên chỉ cần ghi học vấn đơn giản. Tuy nhiên, nhiều vị trí data science/machine learning vẫn yêu cầu bằng thạc sĩ ngành STEM.
Nếu bạn là sinh viên mới ra trường, có thể trình bày chi tiết hơn về các hoạt động học thuật, nghiên cứu, dự án trong quá trình học. Không cần liệt kê tất cả môn học – không ai đọc hết đâu.
Một số lưu ý:

Nếu điểm số tốt thì ghi, không đẹp thì bỏ qua.
Nên kể các hoạt động nổi bật như hackathon, dự án nhóm, giải thưởng liên quan.
Không cần liệt kê chứng chỉ online, trừ khi đó là chứng chỉ lớn (ví dụ: AWS Practitioner) hoặc bạn còn thừa nhiều chỗ.

Hoạt Động / Ngoại Khóa

Phần này không bắt buộc, thậm chí nhiều bạn bỏ qua cũng không sao.
Riêng tôi vẫn để vì muốn thể hiện cá tính, hoặc chia sẻ thêm các sản phẩm cá nhân như kênh YouTube, bài viết blog… Nếu bạn cũng có điều gì đặc biệt muốn nhấn mạnh (dự án cá nhân, hoạt động nổi bật), thì đây là nơi phù hợp.

Như đã nhắc ở trên, nếu chưa có kinh nghiệm thực tế, bạn nên thay phần này bằng các dự án bạn từng làm.
Bạn nên chọn dự án như thế nào để tăng khả năng được tuyển?
Tôi đã trả lời rất kỹ trong một bài viết trước, bạn có thể tham khảo: