6. «Обо мне» в стиле блога, без подсветки главного. Сейчас: Привет! Я студент 3 курса ВГУ-ПММ-ФИИТ и я: с отличием прошёл курс Python от Сергея Балакирева, завершил программу «Специалист в области ИИ и МО» в ТГУ… Несколько проблем сразу. Стиль «Привет, я студент» — для университетского блога, не для резюме. «Курс Python от Сергея Балакирева» — это бесплатный YouTube-туториал, для ML-резюме это не уровень упоминания. Главного — исследовательского проекта — НЕТ. GitHub не упомянут. Технический английский с защитой 18.5/20 упомянут невнятно. Стоит переписать с подсветкой проекта, стека, английского и GitHub — собрать в правильную форму ту же фактуру, что уже есть в двух резюме. 7. Зарплата не указана. Рынок ML/DS junior на удалёнке 2026: • Trainee / Стажёр — 50–100 тыс. • Junior с GitHub и проектом — 100–180 тыс. • Junior+ в исследовательской лаборатории (AIRI, Sber AI Lab, Yandex Research) — 150–220 тыс. + возможность аспирантуры с финансированием. С вашим набором (3 курс ВГУ + проект + английский B2+ + ICPC + GitHub) — реалистично 100–150 тыс. на удалёнке. Стоит ставить вилку 120–150 тыс. как стартовая.

Бонус 1. Технический английский — нишевое УТП. Защита курсовой на английском 18.5/20 + диплом «Переводчик в сфере профессиональной коммуникации (IT, EN)» к 2026 — это редкая для российского ML-junior'а компетенция. Особенно для исследовательских лабораторий и компаний с международной командой / публикациями. Стоит вынести первой строкой в summary. Бонус 2. Биостатистика и медицинский ML как нишевая дорога. Проект про боррелиоз — это не просто «учебный кейс по временным рядам», это биостатистика / эпидемиологическое моделирование. Цифровая медицина (Сбер.Здоровье, ВТБ.Медицина, Doc+), фарминдустрия R&D, эпидемиологические лаборатории (НИЦ Гамалеи, ЦНИИ Эпидемиологии) — это растущий рынок с меньшей конкуренцией для джуна. Ваш проект — прямое доказательство интереса и навыка. Стоит выделить как отдельную линию поиска. Бонус 3. ICPC региональные этапы 2025 — серьёзный сигнал «человек умеет в алгоритмы под давлением». Для ML/DS это релевантно (алгоритмы нужны на собеседованиях и в продакшене). Сейчас упомянуто одной строкой среди прочего. Стоит выделить отдельным буллетом в «Достижениях». Главный принцип. У вас уже есть обе версии — слабая HH и сильная AIRI. Задача — не «переделать резюме с нуля», а перенести лучшее из AIRI-версии в HH-формат: проект в раздел «Опыт», GitHub в шапку, английский с защитой в summary, заголовок «Junior», вилка 120–150. Это работа на один-два вечера. После неё HH-резюме перестаёт читаться как «студент с курсами» и начинает работать как «Junior с реальным research-кейсом». Чек-лист: • Раздел «Опыт работы» на HH заполнен исследовательским проектом. • GitHub @mortemed в шапке HH-резюме. • В GitHub подняты 2–3 дополнительных репозитория с README. • Заголовок «Junior ML Engineer / Trainee Data Scientist». • Специализация «Аналитик» убрана. • Зарплатная вилка 120–150 тыс. • «Обо мне» переписано с подсветкой проекта и GitHub. • Курс Балакирева как «достижение» убран. • Технический английский с защитой 18.5/20 в первой строке summary. • Фокус поиска: продуктовые ML-команды (Avito, Wildberries, Озон, Тинькофф, Яндекс), исследовательские лаборатории (AIRI, Sber AI Lab, Yandex Research), биостатистика / медицинский ML. Реалистичный коридор после правок — 120–150 тыс. на удалёнке как Junior ML/DS, плюс дорога в исследовательские лаборатории с возможностью аспирантуры. Полный разбор пришлю в личку. За развёрнутой карьерной стратегией приходите на консультацию в мой профиль https://hh.ru/mentors/6475

Даниил, важная вводная сразу. Вы показали два резюме, и это самая важная находка прожарки: у вас уже есть прототип правильной версии — резюме под AIRI. Оно в полтора раза сильнее версии на HH. Главные сильные стороны (исследовательский проект про боррелиоз, GitHub, технический английский с дипломом переводчика) в нём есть. А HH-версия — это слабый «студент 3 курса с курсами», без проекта, без GitHub, без цифр. Рекрутеры на HH видят именно её. По грейду при правильной упаковке вы — крепкий Junior ML/DS с исследовательским уклоном, реальная заявка 100–150 тыс. на удалёнке плюс дорога в исследовательские лаборатории. По текущей HH-упаковке — джун-стажёр на 50–80. Семь точек, которыми эта вилка разрывается.

1. Исследовательский проект про боррелиоз вообще нет на HH. Это самая дорогая ошибка. В AIRI-версии есть полноценный кейс — «Прогноз клещевого боррелиоза в Воронежской области на основе метеофакторов»: 4 года данных, 25 признаков, EDA + лаговая корреляция + feature engineering, сравнение Poisson regression / Negative Binomial / SARIMAX с экзогенными признаками / Chronos-T5-tiny (zero-shot), walk-forward validation, MAE/RMSE, защита на русском и английском, ноутбук в Colab. Для рекрутера на trainee/junior ML это сильный сигнал «человек умеет в полный цикл». На HH этого нет совсем. Стоит перенести в HH в раздел «Опыт работы» как «Исследовательский проект (учебный), Junior ML Researcher» с датами и ссылкой на Colab. 2. GitHub не указан на HH. На AIRI стоит @mortemed, на HH — нет. Для ML/DS junior-позиции GitHub — первое, что смотрит рекрутер. Это его способ за 2 минуты понять, что человек умеет реально, а не «прошёл курс». Стоит вынести в шапку HH-резюме рядом с контактами. И отдельно — поднять в GitHub 2–3 дополнительных репозитория с README (что-то из ТГУ-курса, ICPC, минимальный pet-проект). 3. Раздел «Опыт работы» отсутствует на HH. В резюме на HH после «Желаемая должность» сразу идёт «Образование». Для ATS это значит «опыт работы — 0 месяцев», и при фильтре «от 1 года» вас не показывают. При этом опыт есть — это исследовательский проект, учебные кейсы ТГУ-курса, курсовая ВГУ. Стоит заполнить раздел хотя бы одним блоком — это поднимет в фильтре с «без опыта» на «до 1 года». 4. Заголовок «ML-инженер» без приставки «Junior/Trainee». В заголовке HH — просто «ML-инженер». А в финале «Обо мне» Даниил сам пишет «готов на trainee/junior». Между заголовком и реальной целью — разрыв. ATS-фильтр сортирует по точному совпадению, и «ML-инженер» в выдаче ставит вас рядом с middle и senior с коммерческим опытом. Стоит явно указать: «Junior ML Engineer / Trainee Data Scientist» — это сразу попадает в правильную нишу выдачи, где конкуренция другие 3–4-курсники. 5. Три специализации размывают позиционирование. «Аналитик / Дата-сайентист / Программист, разработчик» — три разные карьерные дороги. Стоит оставить две релевантные: «Дата-сайентист + Программист, разработчик». «Аналитик» убрать — это другая траектория с фокусом на дашборды и отчёты, не на моделирование.