CV-eksempel data scientist (2026)
Et sterkt data scientist-CV viser solid statistisk grunnlag, konkrete modeller satt i produksjon og målt forretningsverdi. Trekk fram problemstilling, modellvalg, evaluering og hvilken beslutning eller effekt modellen ga.
Komplett CV som data scientist
Dette data scientist-CV-et viser hvordan du presenterer arbeidserfaring, kompetanser og resultater for norske arbeidsgivere. Tilpass spesialitet og bransje etter egen bakgrunn.
Data scientist med 7 års erfaring fra DNB og Cognite. Spesialist på risikomodellering, tidsserier og MLOps med Python, scikit-learn og PyTorch på AWS og Azure. Eier kredittrisikomodell for forbrukslån i DNB — forbedret AUC med 0,3 prosentpoeng over baseline og redusert manuell kredittvurdering med 22 %. Aktiv i Norsk Forening for Data Science og foredragsholder på Trondheim Machine Learning Conference 2025.
- Eier kredittrisikomodell for forbrukslån — 4,2 mrd. kr utlånsvolum.
- Forbedret modellens AUC med 0,3 prosentpoeng over baseline; redusert manuell kredittvurdering med 22 %.
- Innførte SHAP-baserte forklaringer som del av myndighetsrapportering til Finanstilsynet.
- Mentor for tre juniorer og fagansvarlig for ML-plattformen (MLflow + SageMaker).
- Bygde tilstandsovervåkingsmodeller for roterende utstyr på Equinor-installasjoner.
- Implementerte LSTM-baserte prediksjonsmodeller for sensordata fra 600+ målepunkter.
- Innførte MLflow for eksperiment-tracking og modelregistrering på tvers av tre team.
AWS Machine Learning Specialty · Foredragsholder Trondheim ML Conference 2025 · Medlem av Tekna og Norsk Forening for Data Science
En profil som treffer norske rekrutterere
I profilen viser du det statistiske grunnlaget, hvilke modeller du har satt i produksjon og hvilken forretningsverdi de ga. Ta med problemstilling og effekt, ikke bare hvilke algoritmer du kjenner.
Ambisiøs data scientist som er lidenskapelig opptatt av maskinlæring. Jeg holder meg oppdatert på de nyeste modellene og elsker å eksperimentere med AI.
Data scientist med 7 års erfaring fra DNB og Cognite. Bygger og produksjonssetter ML-modeller for risiko, prediksjon og industriell tilstand.
Flere tips? Les vår guide til profiltekst.
Kompetanser norske arbeidsgivere ser etter hos en data scientist
Norske arbeidsgivere ser etter solid statistikk, trygg modellering og evnen til å få modeller ut i produksjon. Knytt kompetansene til problemstillinger du har løst og effekten modellene ga.
Python ML-stack
scikit-learn er obligatorisk grunnpakke. PyTorch dominerer for deep learning, særlig etter at norske selskap har satset på Equinor-typer av sensordata. Nevn også statsmodels og lightgbm/xgboost.
Statistikk & modellering
Solid statistisk grunnlag skiller en data scientist fra en analytiker. Beskriv erfaring med tidsserier, sannsynlighetsmodeller, kausal inferens eller bayesiansk statistikk.
MLOps
Modeller i produksjon krever MLOps. MLflow, SageMaker, Vertex AI og Databricks ML er vanlige. Beskriv hvordan du håndterer versjonering, monitorering og retraining.
Eksperimentdesign
A/B-testing, kausal inferens og kvasi-eksperimenter er en kjernekompetanse. Vis at du forstår når du kan og ikke kan trekke kausale slutninger.
Forklarbarhet
SHAP, LIME og partial dependence plots brukes ofte i regulerte bransjer som bank og forsikring. Nevn hvis du har erfaring med modellrisiko og myndighetsrapportering.
Forretningsverdi
Den viktigste ferdigheten: oversette modellresultat til kroner og beslutninger. Beskriv ROI, redusert manuelt arbeid eller forbedret beslutningskvalitet.
Slik beskriver du arbeidserfaring som data scientist
For hver stilling: problemstillingen, modellvalget, hvordan du evaluerte, og hvilken beslutning eller effekt modellen ga. Skill tydelig mellom eksperimenter og det som faktisk kom i produksjon.
- Eier kredittrisikomodell for forbrukslån — 4,2 mrd. kr utlånsvolum.
- Forbedret modellens AUC med 0,3 prosentpoeng over baseline; redusert manuell kredittvurdering med 22 %.
- Innførte SHAP-baserte forklaringer som del av myndighetsrapportering til Finanstilsynet.
- Mentor for tre juniorer og fagansvarlig for ML-plattformen (MLflow + SageMaker).
- Bygde tilstandsovervåkingsmodeller for roterende utstyr på Equinor-installasjoner.
- Implementerte LSTM-baserte prediksjonsmodeller for sensordata fra 600+ målepunkter.
- Innførte MLflow for eksperiment-tracking og modelregistrering på tvers av tre team.
Gjør og unngå
Typiske fejl og smarte valg vi ser i CV'er for data scientist. Følg disse retningslinjer så skiller dit CV sig ud hos norske rekrutterere.
Skill produksjon fra eksperiment
Vis hvilke modeller som faktisk kom i drift — «kredittrisikomodell på 4,2 mrd. kr utlånsvolum» — ikke bare notebooks som aldri forlot laptopen.
Oppgi evalueringsmetrikk og effekt
Ta med metrikk og forretningsverdi: «forbedret AUC med 0,3 prosentpoeng over baseline og kuttet manuell kredittvurdering med 22 %».
Vis MLOps og forklarbarhet
Nevn MLflow, SageMaker eller Vertex AI for versjonering og monitorering, og SHAP/LIME for modellforklaring — særlig ved rapportering til Finanstilsynet.
Unngå «lidenskapelig opptatt av maskinlæring»
Lidenskap ansetter ingen. Vis kausal inferens, tidsseriemodellering og en modell i produksjon med målt effekt i stedet.
Aldri personnummer på CV
Personnummer skal aldri stå på CV i Norge. Bruk by, e-post og telefon.
Ikke kopier og lim fra eldre søknader
Norske rekrutterere ser umiddelbart om CV-en er gjenbruk uten tilpasning.
Hva tjener du som data scientist?
Lønstatistik for data scientist i Norge, basert på data fra SSB, fagforeninger og 1740+ aktuelle stillingsannonser på finn.no og arbeidsplassen.no. Lønnen påvirkes av erfaring, geografi, sektor og arbeidsgiver — tallene under er veiledende.
FAQ: CV som data scientist
Svar på de oftest stillede spørgsmål om at skrive et CV som data scientist i Norge.
Nyutdannet med master eller PhD starter på 800 000–950 000 kr/år. Med 4–7 års erfaring ligger lønna på 950 000–1 100 000 kr/år, og senior- eller lead-roller i DNB, Cognite eller Equinor betaler 1,1–1,2 mill. kr/år. Roller med lederansvar passerer 1,3 mill. kr.
Ikke obligatorisk, men vanlig — særlig hos Cognite, NR, SINTEF og forskningsorienterte miljø. I bank, forsikring og scaleups holder ofte master fra NTNU, UiO eller BI med solid statistikk- eller informatikkbakgrunn.
Data scientist designer og evaluerer modeller, gjerne med fokus på forretningsproblem. ML engineer bygger plattform og pipelines for å sette modeller i produksjon. Mange selskap kombinerer rollene, særlig i mindre team.
Python er obligatorisk, scikit-learn som basis. PyTorch eller TensorFlow for deep learning, SQL for feature engineering, og minst ett MLOps-verktøy (MLflow, SageMaker, Vertex AI eller Databricks ML). Skyplattformer (AWS, Azure, GCP) vekter tungt.
Konkretiser problem, datagrunnlag, modellvalg, evalueringsmetrikk og forretningseffekt. Eksempel: «Bygde gradient boosting-modell på 14 mill. transaksjoner — forbedret AUC med 0,3 pp og reduserte manuell vurdering med 22 %».
Kilder og videre lesning
Kildene og bransjeorganisasjonene vi har brukt til å utarbeide innholdet på denne siden.
Komplett søknadspakke som data scientist
CV-en er bare halve jobben. Se også søknadseksempel og detaljert lønnsguide for data scientist.
CV-eksempler i samme kategori
Utforsk CV-eksempler for yrker som ligner data scientist — med samme type kompetanser og arbeidsmarked.
Begynn med data scientist-CV-en din
Fyll inn arbeidserfaring, kompetanser og resultater og få et CV som treffer norske data scientist-arbeidsgivere.