Portefeuille de la science des données | Conseils pour créer un bon portefeuille de science des données

« Une bonne première impression peut faire des merveilles » – JK Rowling

introduction

Les jours où les gens se contentaient de regarder ton CV pour décider si tu étais un candidat approprié pour un stage ou un emploi sont révolus. Dans le secteur technologique, les gens regardent maintenant le profil général et les projets (Portfolio) pour présélectionner les candidats, surtout pour la Data Science. Mais avec le temps, les entreprises éducatives ont commencé à proposer des projets en ligne rémunérés, donc presque tous les étudiants font maintenant des projets et des stages (rémunérés / non rémunérés / bénévoles).

Donc, les candidats ne doivent pas seulement réaliser des projets de manière proactive, mais aussi montrer leurs compétences pour se démarquer dans une opportunité. Par montrer, je veux dire que tu dois marquer ta présence. 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. En outre, asegúrese de hacer un readme.md (lea más sobre esto en Cliquez ici) 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.

A part ça, 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. Par exemple, 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 ce moment, 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. avec ça, también ofrece estrellas basadas en los puntos que logras por resolver esas preguntas correctamente. Ponga (HackerRank 5 étoiles) en su titular de LinkedIn para mostrar su competencia en Python o Estructuras de datos / Algorithmes.

5. Lire des 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. En outre, Les blogs peuvent être utilisés comme un outil pour apprendre de nouvelles compétences. Lire des blogs sur des expériences personnelles vous aiderait à en apprendre davantage sur l'industrie et sur ce que vous devez faire pour trouver un poste adapté à l'avenir. Vous pouvez suivre Christopher Zita, Analytics India Magazine, DataPeaker Blog / Medium Channel, Towards Data Science (Sur Medium), KDnuggets, etc. dans ce but.

6. Créez votre site web de portfolio

Faites un site web de portfolio très simple. Vous pouvez coder en HTML ou utiliser Wix / Weebly pour en créer un. Une fois que vous avez hébergé votre site web, assurez-vous de l’inclure également dans votre CV. Un site web aura un grand impact sur un recruteur qui consulte votre profil. Il améliorera vos compétences et leur donnera également la possibilité de voir vos projets et votre travail sur le terrain. 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. En outre, siga los hashtags en el campo de DS y # 66daysofdata, #MavenAnalytics (pour la visualisation des données), similar a ML.

8. réo pequeños proyectos

Comience con proyectos en conjuntos de datos conocidos como Boston Pricing, Iris, OU exclusif, MNIST, etc. Après cela, continúe con la realización de grandes proyectos como motor de recomendación, analyse complète de certaines données, etc. Les ensembles de données peuvent être trouvés sur Kaggle. Analyse des ressources humaines, l'analyse d'image, segmentationLa segmentation est une technique de marketing clé qui consiste à diviser un large marché en groupes plus petits et plus homogènes. Cette pratique permet aux entreprises d’adapter leurs stratégies et leurs messages aux spécificités de chaque segment, améliorant ainsi l’efficacité de vos campagnes. Le ciblage peut se faire sur des critères démographiques, Psychographique, géographique ou comportementale, Faciliter une communication plus pertinente et personnalisée avec le public cible.... de clients, analyse des données de Netflix, analyse des données d'Uber sont quelques exemples pour démarrer des projets. N'hésitez pas à créer votre propre ensemble de données puis à effectuer une analyse.

9. récode de déploiement

Une fois que vous avez réalisé un projet, essayez de le déployer sur Heroku ou AWS ou sur toute autre plateforme cloud. Cela vous aide à créer une application complète de science des données qui peut être utilisée. Par exemple, si vous créez un moteur de recommandation de films, alors, en utilisant Heroku ou AWS, créez un site web où les gens peuvent venir, choisissez les films qui vous plaisent et son algorithme prédit quels films vous pouvez regarder en fonction de vos intérêts. Cette implémentation de code impressionne beaucoup les RH. et peut certainement vous aider à obtenir un entretien.

10. Fconcentrez-vous sur la construction de la communauté

Les méthodes précédentes vous aideront sûrement à créer un profil extrêmement solide, mais sinon, connaitre les opportunités est également important. Pour cela, participez à la communauté et créez de grandes connexions. LinkedIn, Discord, Mou, Telegram sont quelques-unes des plateformes où vous pouvez rejoindre des groupes de data scientists qui publient régulièrement des messages sur les opportunités que vous pouvez saisir.

J'espère que vous avez aimé cet article.

Si vous avez des doutes, laissez un commentaire.

Suivez-moi ici, mon bot Gray sera là pour vous aider.

En rapport