Comment construire un portefeuille de science des données

Le guide de carrière Data Scientist de BrainStation peut vous aider à faire les premiers pas vers une carrière lucrative en science des données. Lisez la suite pour un aperçu de la façon de construire un portefeuille de science des données qui vous aidera à trouver un emploi.

Devenez Data Scientist

Parlez à un conseiller en apprentissage pour en savoir plus sur la façon dont nos bootcamps et nos cours peuvent vous aider à devenir un Data Scientist.

En cliquant sur Soumettre, vous acceptez notre termes .



Soumettre

Impossible de soumettre ! Actualiser la page et réessayer ?

En savoir plus sur notre Bootcamp Data Science

Merci!

Nous serons en contact bientot.

Voir la page Data Science Bootcamp

Un portfolio en ligne est essentiel pour quiconque travaille dans le monde de la science des données, car c'est le meilleur moyen de montrer aux employeurs la preuve de vos compétences, que ce soit vos prouesses Python ou votre talent pour la modélisation des données.

Mais savoir par où commencer peut être délicat, et vous ne voulez pas que votre portefeuille de science des données soit simplement… un vidage de données. Selon Adam Thorsteinson, éducateur principal pour la science des données de BrainStation, les scientifiques de données en herbe devraient viser le contraire : une présentation organisée et complète de votre meilleur travail qui est capable d'attirer l'attention d'un employeur.

Dans cet esprit, voici quelques conseils sur la façon de construire un portefeuille de science des données.

N'incluez pas tous les travaux dans votre portefeuille

La première chose à l'ordre du jour doit être de dresser un inventaire de tous les travaux de science des données que vous avez effectués à ce jour, déclare Thorsteinson.

Et cela vaut la peine de sortir des sentiers battus - considérez tout, d'une visualisation de données accrocheuse produite pour un client de renom, à un projet de thèse où vous avez montré de puissantes compétences de codage Python.

Ensuite, dit Thorsteinson, déterminez quels projets font la différence pour votre portefeuille de science des données. Vous voulez quelques éléments qui mettent le mieux en valeur votre éventail de compétences et l'ensemble du processus de science des données, depuis le début avec un ensemble de données de base, jusqu'à la définition d'un problème, le nettoyage, la construction d'un modèle et finalement la recherche d'une solution.

C'est l'arc de tout projet de science des données dans la nature, dit Thorsteinson.

Mettez en valeur vos compétences en communication

Pour les emplois en science des données, les employeurs voudront voir vos capacités de traitement des chiffres et de codage, mais ce n'est pas la seule chose qu'ils recherchent.

Un énorme élément de la science des données sur le lieu de travail est la capacité de communiquer, déclare Thorsteinson.

Dans un portfolio de science des données, vous pouvez montrer vos compétences en communication en associant des exemples de portfolio à un récit d'accompagnement, montrant le travail que vous avez fait pour trouver une solution à chaque problème. Vous pourriez écrire un article de blog entier autour d'un travail que vous avez fait, suggère Thorsteinson.

Cela vaut également la peine d'inclure un peu de vous-même - comme vos passions et votre expérience de travail passée - dans le cadre des éléments non-données de votre portefeuille.

Lorsqu'on lui a demandé ce qui lui donnerait envie d'embaucher quelqu'un, Thorsteinson l'a dit ainsi : une bonne combinaison de code bien écrit, avec une forte communication autour de ce code.

Considérez GitHub au lieu d'un site Web


Bien sûr, vous pouvez créer un portfolio en ligne de base pour présenter votre travail en science des données. Mais pourquoi ne pas utiliser une plateforme où d'autres Data Scientists se réunissent déjà ?

GitHub - une plate-forme de développement de logiciels populaire - est utilisée par des millions de développeurs et de scientifiques des données à travers le monde, ce qui signifie que votre travail sera hébergé dans un espace fréquenté par de potentiels futurs collègues, mentors et responsables du recrutement.

Avoir un portefeuille GitHub bien équilibré et bien rempli amènera certainement les choses à un autre niveau, dit Thorsteinson. C'est là que de nombreux scientifiques des données hébergeront leur portefeuille… au lieu de LinkedIn ou d'un site Web personnel.

Et, ajoute-t-il, c'est un endroit où vous pouvez facilement publier non seulement le côté technique de la science des données, mais à la place, faire construire tous vos projets de science des données pour présenter votre code intégré dans un document écrit plus grand décrivant le problème et le processus.

Ne vous contentez pas d'afficher le code isolément

Les employeurs peuvent avoir les yeux un peu vitreux en regardant les portefeuilles des candidats, et il est important de se démarquer. Et, même si cela peut sembler évident, il est également crucial de prouver que vous savez réellement ce que vous faites - et de ne pas faire semblant jusqu'à ce que vous vous approchiez de la science des données.

C'est pourquoi le simple fait de publier votre code isolément ne met pas vraiment en évidence que vous savez ce que vous faites, dit Thorsteinson.

Cela souligne simplement que vous avez écrit ce code, qui peut ou non avoir été copié et collé ailleurs.

Ouais. Ce n'est pas exactement l'impression que vous voulez laisser dans l'esprit d'un responsable du recrutement.

Mais, heureusement, il existe une solution : intégrer la visualisation des données partout où vous le pouvez - c'est une compétence que les employeurs recherchent, explique Thorsteinson. C'est l'un des meilleurs moyens de communiquer les résultats de vos données à un public non technique.

Il est également utile de présenter une gamme de techniques différentes, car la science des données est un domaine assez vaste, ce qui signifie qu'il existe de nombreuses façons d'aborder un problème et une variété d'approches que vous pouvez apporter à la table.

Si vous souhaitez créer un excellent portefeuille de science des données bien équilibré, trouvez des problèmes bien équilibrés à résoudre et à présenter.

Kategori: Nouvelles