其他分享
首页 > 其他分享> > 数据科学家如何找到心仪的工作?

数据科学家如何找到心仪的工作?

作者:互联网

本文,我们将重点讨论如何创建高大上的数据科学作品集。我们将讨论什么技能是雇主希望看到的,以及如何创建一份作品集以有效地展示所有的技能。我们将举例说明作品集中的项目应该如何呈现,并给你一些起步的建议。

读完这篇文章之后,你应该能够理解为什么要创建数据科学作品集,以及具体的方法。

雇主想要什么

雇主招人时,想要的是那些能为企业创造价值的人。这通常意味着,应聘者需要掌握能为企业带来收入和机遇的技能。而作为数据科学家,可以通过以下 4 种方式为企业创造价值:

毋庸置疑的是,当雇主考核应聘者时,他们会考核应聘者是否具备上述四项技能的一项或多项(根据公司和岗位不同,可能需要应聘者同时具备多项技能)。为了向企业证明你能在上述所列 4 个领域能帮到企业,你需要展示自身具备以下技能:

一个面面俱到的作品集应该足以展示你在上述各方面的技能,并且对他人而言是易审视的——作品集中的每一项都应该具备丰富的文档,清晰明了,这样,招聘经理才能快速地对你的作品集进行评估。

很多初学者,对大数据的概念都是模糊不清的,大数据是什么,能做什么,学的时候,该按照什么线路去学习,学完往哪方面发展,想深入了解加QQ群975205962,有大量干货(零基础以及进阶的经典实战)分享给大家,并且有清华大学毕业的资深大数据讲师给大家免费授课,给大家分享目前国内最完整的大数据高端实战实用学习流程体系

为什么要打造作品集

如果你拥有顶尖学府的机器学习或相关领域的学位,获得数据科学相关的工作会相对容易。因为顶尖学府的声誉以及专业对口的事实,雇主相信你能为企业创造价值。但如果你没有来自顶尖学府的相关学位,你就不得不为自己建立这份信任。

这样说吧:对于雇主而言,需求的岗位有多达 200 份的申请。假设 HR 总共花 10 小时过滤申请以确定电话面试哪些人。这意味着平均每个申请只有 3 分钟的评估时间。开始时,HR 不相信你能为企业创造价值,而你有 3 分钟的时间来建立他们对你的这份信任,进而为自己创造电话面试的机会。

数据科学的一大特征是,你在自己的项目中所做的工作,和你被录用之后所做的工作几乎一样。作为数据科学家,在 Lending Club 分析信贷数据,可能与分析他们发布的匿名贷款数据有很大的相似之处。

数据科学家如何找到心仪的工作?

Lending Club 匿名数据的前几行

建立 HR 对你的信任,最重要的就是证明你能做他们需要你做的工作。对于数据科学而言,这就需要我们创建一套项目作品集。项目越“真实”,HR 越相信你将是企业的有用之人,你获得电话面试的机会就越大。

数据科学作品集需要包含哪些内容

既然我们知道了需要一个作品集,我们就需要弄清楚它需要包含哪些内容。至少,你应该在 GitHub或你的博客上有一些项目,代码是可见的,并配有良好的文档。HR 越是容易找到这些项目,他们就越容易对你的技能进行评估。每个项目都应该尽可能配有良好的文档,用 README 文件说明如何进行设置,并介绍数据的特点。

数据科学家如何找到心仪的工作?

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? GitHub 上一个组织良好的项目

我们将讨论一些应该放入作品集的项目类型。建议每种类型都有多个项目,尤其是与你希望从事的岗位相关的项目类型。比方说,如果你申请的岗位需要大量机器学习的知识技能,那么多创建一些用到机器学习的项目会很有帮助。另一方面,如果你申请的是分析师的岗位,那么数据清理和数据呈现项目就更关键了。

数据清理项目

数据清理项目向 HR 展示了你能够提取不同的数据集并加以利用。数据清理是数据科学家做的最多的工作,因此,它是需要展示的关键技能。这类项目涉及提取杂乱数据,然后清理,并做分析。数据清理项目证明了你的数据推理能力,以及你将多个数据源的数据提取整合为单个数据集的能力。数据清理是所有数据科学家工作的重要部分,展示你已经具备该项能力将是一大优势。

你将需要把原始数据清理成易于分析的形式。要做到这一点,你需要:

本系列的第一篇文章在第一部分介绍了如何一步步创建一个完整的数据清理项目。你可以在这里查看。

数据科学家如何找到心仪的工作?

部分纽约市学校数据的数据字典

如果你在寻找一个好的数据集上有困难,以下是一些例子:

数据科学家如何找到心仪的工作?

纽约市地铁,人来人往

如果你想要一些灵感,以下是一些优秀的数据清理项目的例子:

数据呈现项目

数据呈现项目展现了你对数据的洞察力,从数据中提取洞见并用数据说话的能力。用数据讲故事对商业价值有巨大影响,因此,这将是你简历的重要组成部分。这个项目涉及提取一组数据,并用数据呈现一个令人信服的结论。例如,你可以利用航班数据说明某些机场存在显著的航班延迟现象,而这也许可以通过改变航线改善。

一个优秀的数据呈现项目会用到大量的可视化,并能一步步地引导读者了解分析结果。以下是创建一个优秀的数据呈现项目的参考步骤:

本系列的第一篇文章的第二部分,已经介绍了如何一步一步让数据发声。你可以在这里查看。

数据科学家如何找到心仪的工作?

按街区 SAT 成绩划分的纽约市地图

如果你在寻找一个好的数据集上有困难,这里有一些例子:

如果你想要一些灵感,以下是一些优秀的数据呈现项目的例子:

数据科学家如何找到心仪的工作?

提及 2016 年美国总统大选候选人的歌词(图片来自以上第一个项目)

端到端项目

到目前为止,我们已经介绍了涉及探索性数据清理和分析的项目。这些项目能让 HR 更好地认识到你对数据的洞察力以及呈现数据的能力。然而,它们并不足以展示你的创建面向客户的系统的能力。面向客户的系统涉及高性能的代码,这意味着系统可以使用不同数据,运行多次,产生不同输出。举个例子,一个可以对股市进行预测的系统——每天早上,它会自动下载最新的股市数据,然后据此预测当天哪些股票会走红。

为了展现我们能够创建业务系统,我们需要创建一个端到端的项目。端到端的项目接收并处理数据,然后产生输出。通常,这些输出都是机器学习算法的结果,但也可以是其他输出,比如符合某一标准的行总数。

这里的关键是,要让系统能灵活地处理新的数据(比如股市数据),并具有高性能。此外,使代码易于安装设置与运行也很重要。以下是创建一个优秀的端到端项目的参考步骤:

本系列的第三篇文章中已经介绍了如何一步一步创建端到端的机器学习项目。你可以在这里查看。

如果你在定一个好的话题上有困难,以下是一些例子:

数据科学家如何找到心仪的工作?

S&P 500 数据

如果你想要一些灵感,以下是一些优秀的端到端项目例子:

说明性文章

理解并解释复杂的数据科学概念很重要,比如机器学习的算法。这可以让 HR 认识到,你善于向公司内的其他人或客户解释复杂的概念。这也是数据科学作品集的关键点,因为它是现实世界中数据科学工作的重要部分。这同时还展示了你对概念及其工作原理有深入的理解,而不是仅仅停留在语法层面。深入的理解有助于你更好地判断并做出更好的选择,以及向他人介绍你的工作。

为了写一篇说明性的文章,我们首先需要挑一个数据科学的话题,然后撰写博客。这篇文章需要带领读者从一无所知到对概念有一个清晰的了解。而写文章的关键是,使用朴实的、简单的的语言——你写得越专业,HR 就越难知道你是真懂还是装懂。

写说明性文章的几个重要的步骤是:挑一个你熟悉的话题,带领读者理解概念,然后利用最终的概念做一些有趣的事。以下是一些的参考步骤:

如果你在找一个好的概念上有困难,以下是一些例子:

数据科学家如何找到心仪的工作?

k-平均算法的可视化

如果你想要一些灵感,下面是一些比较好的说明性文章的例子:

可选的作品集构件

虽然上传至 GitHub 和博客的项目很关键,但是添加一些其他的组件也会很有帮助,比如 Quora 上的回答、演讲以及数据科学竞赛的结果。这些通常是 HR 第二关心的,但它们也是突出和证明你能力的一种很好的方式。

演讲

演讲是一种帮助教导他人的有效方式,它还能够向 HR 证明你对某个话题已经熟悉到足以为人师的地步。它可以帮助 HR 认识你的沟通与演说能力。这些技能与作品集的其他部分在一定程度上会有重叠,但仍然是很好的证明。

最常见的演讲地点是当地的 Meetup。Meetup 上的演讲都是围绕具体主题展开的,比如 “Python”,或者“利用 D3 进行数据可视化”。

要做好演讲,以下是几个值得参考的步骤:

如果你需要一些灵感,以下是一些优秀的演讲例子:

数据科学竞赛

数据科学竞赛涉及用大量数据训练最精确的机器学习模型。因此参加竞赛是很好的学习方式。从 HR 的视角来看,数据科学竞赛可以证明你的技术能力(如果你做得够好的话),你的主动性(如果你确实付出了很多努力)以及你的协作能力(如果你是与他人合作参赛的)。这同样与作品集的其他项目有重叠,但它也是突出你能力的第二种方式。

大多数数据科学竞赛都由 Kaggle 和 DrivenData举办。

要参加(以上的)的数据科学竞赛,你只需要在相应的网站上注册,然后就可以开始了!你可以从这里开始一项竞赛,你也可以在这里找到一些教程。

数据科学家如何找到心仪的工作?

Kaggle 上一项赛事的排行榜


标签:心仪,项目,找到,科学家,HR,例子,一些,作品集,数据
来源: https://blog.51cto.com/14078334/2396933