«Una buena primera impresión puede hacer maravillas» – JK Rowling
Introducción
Atrás quedaron los días en los que la gente solo veía su CV y decidía si era un candidato adecuado para una pasantía o un trabajo. En el sector tecnológico, las personas ahora ven el perfil general y los proyectos (Portafolio) para preseleccionar candidatos, especialmente para Data Science. Pero con el tiempo, las empresas educativas han comenzado a ofrecer proyectos en línea pagados, por lo que casi todos los estudiantes ahora están haciendo proyectos y pasantías (pagados / no pagados / voluntarios).
Por lo tanto, los candidatos no solo deben hacer proyectos de manera proactiva, sino también mostrar sus habilidades para destacarse en una oportunidad. Al mostrar me refiero a que debes hacer una marca de ti mismo. Cuando alguien vea su portafolio de ciencia de datos, debe tener una idea exacta de sus intereses, trabajos previos, logros y estar interesado en conversar con usted.
Consejos para crear un portafolio de ciencia de datos asombroso
1. Tener un perfil de Github activo
GitHub te permite alojar una versión remota de tu proyecto donde otros puedan verlo e incluso colaborar para formar una mejor versión. Siempre tenga un perfil de GitHub activo y coloque el enlace en su CV. Por perfil activo, me refiero a que debe trabajar en él con regularidad porque sus contribuciones diarias se registran en él y los espectadores pueden verlas. Además, asegúrese de hacer un readme.md (lea más sobre esto en Haga clic en este) para que su perfil personalice su página de inicio.
Aquí hay una muestra de mi perfil para tener una idea:
2. Comience a usar Kaggle
Tener una cuenta de Kaggle es muy importante. No solo para mostrar tus habilidades, sino también para practicarlas con regularidad. Muchas empresas como ZS Analytics, KPMG, Bain & Co., JPM, etc.tienen una competencia de ciencia de datos como las disponibles en Kaggle.
Aparte de esto, los concursos de aprendizaje disponibles en Kaggle ayudan a comprender más sobre las técnicas y consejos que se deben aplicar al tratar con diferentes tipos de datos. Kaggle también es una gran plataforma para mostrar tus habilidades. Puedes aprender medallas y títulos (Kaggle 1X / 2X / 3X / 4X Expert, Kaggle Grandmaster) que tienen un gran impacto si los pones en el titular de tu perfil de LinkedIn. También puede agregar un enlace a Kaggle en su CV.
A continuación se muestra un perfil público aleatorio de un experto en Kaggle 3X de la India,
3. Participa en concursos y hackatones
Los concursos y hackatones nos ayudan a desarrollar nuestras habilidades y conocer nuestra posición en nuestro grupo de pares. El éxito en concursos y hackatones se puede poner como logros que agregarán credibilidad a su trabajo. Por ejemplo, la plataforma DataPeaker se puede utilizar para participar en Hackathons. También se pueden ver los enfoques principales de cualquier competencia para aprender enfoques nuevos y mejorados.
En este momento, participas en alrededor de 67 hackatones con fines de aprendizaje y ves los enfoques principales para competiciones anteriores. También tienen Job-A-thons y contratación de hackatones varias veces al año, así que estad atentos para participar en ellos.
4. Practique preguntas usando HackerRank
HackerRank es una gran plataforma para mejorar sus habilidades en Python. Tiene preguntas que pueden ayudarlo a mejorar sus habilidades de programación. Junto con esto, también ofrece estrellas basadas en los puntos que logras por resolver esas preguntas correctamente. Ponga (HackerRank 5 estrellas) en su titular de LinkedIn para mostrar su competencia en Python o Estructuras de datos / Algoritmos.
5. Leer blogs
La lectura de blogs lo mantiene actualizado sobre los desarrollos recientes en el campo. También pueden ser útiles en las discusiones durante la entrevista. Además, los blogs se pueden utilizar como una herramienta para aprender nuevas habilidades. Leer blogs sobre experiencias personales le ayudaría a aprender más sobre la industria y lo que debe hacer para encontrar un puesto adecuado en el futuro. Puede seguir a Christopher Zita, Analytics India Magazine, DataPeaker Blog / Medium Channel, Towards Data Science (On Medium), KDnuggets, etc. para este propósito.
6. Haga su sitio web de portafolio
Haz un sitio web de portafolio muy simple. Puedes codificar en HTML o usar Wix / Weebly para hacer uno. Una vez que haya alojado su sitio web, asegúrese de incluirlo también en su CV. Un sitio web tendrá un gran impacto en un reclutador que vea su perfil. Mejorará sus habilidades y también les dará la oportunidad de ver sus proyectos y trabajar en el campo. La siguiente imagen muestra una instantánea del sitio web de mi cartera.
7. Tener un perfil de LinkedIn
Un perfil de Linkedin es extremadamente importante para todos. Esto le ayuda a conectarse con personas de todo el mundo que podrían estar trabajando en el campo que le interesa. LinkedIn también le ayuda a compartir su trabajo con la comunidad. Muchos reclutadores ahora usan el sistema de recomendación de LinkedIn para contactar candidatos para cualquier vacante en sus empresas. Además, siga los hashtags en el campo de DS y # 66daysofdata, #MavenAnalytics (para visualización de datos), similar a ML.
8. Do pequeños proyectos
Comience con proyectos en conjuntos de datos conocidos como Boston Pricing, Iris, XOR, MNIST, etc. Después de esto, continúe con la realización de grandes proyectos como motor de recomendación, análisis completo de algunos datos, etc. Los conjuntos de datos se pueden encontrar en Kaggle. Análisis de recursos humanos, análisis de imágenes, segmentaciónLa segmentación es una técnica clave en marketing que consiste en dividir un mercado amplio en grupos más pequeños y homogéneos. Esta práctica permite a las empresas adaptar sus estrategias y mensajes a las características específicas de cada segmento, mejorando así la eficacia de sus campañas. La segmentación puede basarse en criterios demográficos, psicográficos, geográficos o conductuales, facilitando una comunicación más relevante y personalizada con el público objetivo.... de clientes, análisis de datos de Netflix, análisis de datos de Uber son algunos ejemplos para iniciar proyectos. Siéntase libre de crear su propio conjunto de datos y luego hacer un análisis.
9. Dcódigo de despliegue
Una vez que haya realizado un proyecto, intente implementarlo en Heroku o AWS o en cualquier otra plataforma en la nube. Esto le ayuda a crear una aplicación de ciencia de datos completa que se pueda utilizar. Por ejemplo, si crea un motor de recomendación de películas, luego, utilizando Heroku o AWS, cree un sitio web al que las personas puedan venir, elija las películas que les gusten y su algoritmo predice qué películas pueden ver en función de sus intereses. Esta implementación de código impresiona mucho a RR.HH. y seguramente puede ayudarlo a obtener una entrevista.
10. Focus en la construcción de la comunidad
Los métodos anteriores seguramente lo ayudarán a construir un perfil extremadamente bueno, pero aparte de eso, conocer las oportunidades también es importante. Para ello, participa en la comunidad y construye grandes conexiones. LinkedIn, Discord, Slack, Telegram son algunas de las plataformas en las que puede unirse a grupos de científicos de datos que publican mensajes regularmente sobre oportunidades que puede aprovechar.
Espero que te haya gustado este artículo.
Si tiene alguna duda, deje un comentario.
Sígueme aquí, mi bot Gray estará allí para ayudarte.
Los medios que se muestran en este artículo sobre la creación de una cartera de ciencia de datos no son propiedad de DataPeaker y se utilizan a discreción del autor.
