“Una buona prima impressione può fare miracoli” – JK Rowling
introduzione
Sono passati i tempi in cui le persone guardavano solo il tuo CV e decidevano se fossi un candidato adatto per uno stage o un lavoro. Nel settore tecnologico, ora le persone guardano il profilo generale e i progetti (Portfolio) per preselezionare i candidati, specialmente per Data Science. Ma col tempo, le aziende educative hanno iniziato a offrire progetti online retribuiti, quindi quasi tutti gli studenti ora svolgono progetti e stage (retribuiti / non retribuiti / volontari).
Perciò, i candidati non devono solo svolgere progetti in maniera proattiva, ma anche mostrare le proprie competenze per distinguersi in un'opportunità. Per mostrare intendo che devi creare un tuo marchio personale. 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. Cosa c'è di più, asegúrese de hacer un readme.md (lea más sobre esto en Fare clic su questo) 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 parte questo, 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. Anche può agregar un link a Kaggle en su CV.
A continuación se muestra un perfil pubblico aleatorio de un experto en Kaggle 3X de la India,
3. Partecipa en concorsi y hackatones
Los concorsi y hackatones nos aiutan a sviluppare le nostre competenze e conoscere la nostra posizione nel nostro gruppo di pares. El éxito en concursos y hackatones se può mettere come logros che agregarán credibilidad a su lavoro. Ad esempio, la piattaforma DataPeaker se può utilizzare per partecipare agli Hackathon. Anche se possono vedere gli enfoques principali di qualsiasi competizione per apprendere nuovi e migliorati.
A quest'ora, partecipas en torno de 67 hackatones con fines de apprendimento y ves gli enfoques principali per competizioni precedenti. Hanno anche Job-A-thon e assunzioni tramite hackathon più volte all'anno, quindi state attenti per parteciparvi.
4. Pratica le domande usando HackerRank
HackerRank è una grande piattaforma per migliorare le tue abilità in Python. Ha domande che possono aiutarti a migliorare le tue capacità di programmazione. insieme a questo, offre anche stelle basate sui punti che ottieni risolvendo correttamente quelle domande. Metti (HackerRank 5 stelle) nel tuo titolo LinkedIn per mostrare la tua competenza in Python o Strutture dati / Algoritmi.
5. Leggi i blog
La lettura di blog ti mantiene aggiornato sugli sviluppi recenti nel campo. Possono anche essere utili nelle discussioni durante il colloquio. Cosa c'è di più, los blogs se pueden utilizzare come una herramienta para aprender nuove habilidades. Leer blogs sobre experiencias personales le ayudaría a aprender más sobre la industria y lo que debe hacer para trovare un puesto adecuado en el futuro. Puede seguir a Christopher Zita, Analytics India Magazine, DataPeaker Blog / Medium Channel, Towards Data Science (On Medium), KDnuggets, eccetera. per questo scopo.
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 anche in su CV. Un sitio web tendrá un gran impatto en un reclutador que vea su perfil. Mejorará sus habilidades y anche les dará la oportunidad de ver sus progetti y lavorare in el campo. L'immagine seguente mostra un'istantanea del sito web del mio portfolio.
7. Avere un profilo LinkedIn
Un profilo LinkedIn è estremamente importante per tutti. Questo ti aiuta a connetterti con persone di tutto il mondo che potrebbero lavorare nel campo che ti interessa. LinkedIn ti aiuta anche a condividere il tuo lavoro con la comunità. Molti reclutatori ora utilizzano il sistema di raccomandazione di LinkedIn per contattare i candidati per qualsiasi posizione nelle loro aziende. Cosa c'è di più, Segui gli hashtag nel campo DS e # 66daysofdata, #MavenAnalytics (per la visualizzazione dei dati), simile a ML.
8. Do piccoli progetti
Inizia con progetti su set di dati noti come Boston Pricing, Iris, XOR, MNIST, eccetera. Dopo di che, continua con la realizzazione di grandi progetti come il motore di raccomandazione, analisi completa di alcuni dati, eccetera. I set di dati possono essere trovati su Kaggle. Analisi delle risorse umane, analisi dell'immagine, segmentazioneLa segmentazione è una tecnica di marketing chiave che comporta la divisione di un ampio mercato in gruppi più piccoli e omogenei. Questa pratica consente alle aziende di adattare le proprie strategie e i propri messaggi alle caratteristiche specifiche di ciascun segmento, migliorando così l'efficacia delle tue campagne. Il targeting può essere basato su criteri demografici, psicografico, geografico o comportamentale, facilitando una comunicazione più pertinente e personalizzata con il pubblico di destinazione.... dei clienti, analisi dei dati di Netflix, l'analisi dei dati di Uber è un esempio per iniziare progetti. Sentitevi liberi di creare il vostro set di dati e poi fare un'analisi.
9. Dcodice di distribuzione
Una volta che avete realizzato un progetto, provate a implementarlo su Heroku o AWS o su qualsiasi altra piattaforma cloud. Questo vi aiuta a creare un'applicazione completa di data science utilizzabile. Ad esempio, se create un motore di raccomandazione di film, dopo, utilizzando Heroku o AWS, create un sito web dove le persone possano venire, scegli i film che ti piacciono e il loro algoritmo predice quali film puoi guardare in base ai tuoi interessi. Questa implementazione del codice impressiona molto le risorse umane. e sicuramente può aiutarti a ottenere un colloquio.
10. Fconcentrati sulla costruzione della comunità
I metodi precedenti sicuramente ti aiuteranno a costruire un profilo estremamente valido, ma a parte questo, conoscere le opportunità è anche importante. Per questo, partecipa alla comunità e crea grandi connessioni. LinkedIn, Discord, allentato, Telegram sono alcune delle piattaforme in cui puoi unirti a gruppi di data scientist che pubblicano regolarmente messaggi sulle opportunità che puoi sfruttare.
Spero che ti sia piaciuto questo articolo.
Se hai dei dubbi, lascia un commento.
Seguimi qui, Il mio bot Gray sarà lì per aiutarti.
I media riportati in questo articolo sulla creazione di un portfolio di data science non sono di proprietà di DataPeaker e vengono utilizzati a discrezione dell'autore.
