
在现代信息技术时代,数据科学自学有大量的免费资源。事实上,您甚至可以从无数可用资源中设计自己的数据科学课程。虽然从课程工作中获得的知识对于打好数据科学的基础是必不可少的,但你需要记住数据科学是一个实践性很强的领域。因此,动手技能非常重要,尤其是如果你有兴趣在学术界以外的地方作为一名实践数据科学家工作的话。
本文将讨论4个重要的平台,这些平台将使您能够构建一个展示数据科学经验的投资组合。一个强大的投资组合会让你的雇主在竞争中占据优势,吸引最优秀的人才。请记住,有兴趣雇用你的雇主会要求你提供完成数据科学项目的证据。埃隆·马斯克(Elon Musk)的这句名言概括了包括数据科学在内的任何技术学科的雇主的心态:
“一般情况下,寻找能证明特殊能力的东西。我甚至不在乎某人是否毕业于大学或高中或其他什么…他们是否制造了一些真正令人印象深刻的设备?赢得一些真正艰苦的比赛?想出什么好主意了吗?解决一些非常棘手的问题?“
一个突出完成的项目、认可和奖项列表的强有力的投资组合将作为你在数据科学方面能力的证据。
在深入研究构建良好的数据科学组合的主题之前,让我们首先讨论数据科学组合重要的5个原因。
现在让我们讨论创建数据科学组合的4个重要平台。
1。GitHub
GitHub是一个非常有用的展示数据科学项目的平台。作为一个数据科学的渴望者,GitHub应该作为您在整个数据科学旅程中作为已完成项目的存储库使用的第一个平台。这些项目可以包括每周任务中的项目或顶点项目。这个平台使您能够与其他数据科学家或数据科学的渴望者共享您的代码。对雇用你感兴趣的雇主会检查你的GitHub投资组合,评估你已经完成的一些项目。因此,在GitHub上构建一个非常强大和专业的投资组合非常重要。
要建立一个GitHub投资组合,首先要做的是创建一个GitHub帐户。一旦您的帐户创建,您可以继续编辑您的个人资料。当编辑你的个人资料时,添加一个简短的传记和一张专业的个人资料图片是个好主意。您可以在这里找到一个GitHub概要文件的示例:https://GitHub.com/bot13956。
现在让我们假设您已经完成了一个重要的数据科学项目,并且希望为您的项目创建一个GitHub存储库。
创建存储库的提示:确保为存储库选择合适的标题。然后包括一个自述文件,以提供项目内容的概要。然后您可以上传您的项目文件,包括数据集、Jupyter笔记本和示例输出。
下面是一个用于机器学习项目的GitHub存储库的示例:
存储库名称:bot13956/ml_model_for_predicting_ships_crew_size
存储库URL:https://github.com/bot13956/ml_model_for_predicting_ships_crew_size
自述文件:
ML_Model_for_Predicting_Ships_Crew_Size Author: Benjamin O. Tayo Date: 4/8/2019 We build a simple model using the cruise_ship_info.csv data set for predicting a ship's crew size. This project is organized as follows: (a) data preprocessing and variable selection; (b) basic regression model; (c) hyper-parameters tuning; and (d) techniques for dimensionality reduction. cruise_ship_info.csv: dataset used for model building. Ship_Crew_Size_ML_Model.ipynb: the Jupyter notebook containing code.
您可以从示例自述文件中看到,该文件很好地概述了项目的全部内容,包括目标和目的、数据集以及包含代码的Jupyter笔记本文件。在准备存储库时,请始终记住,由于它是公共的,其他用户将可以访问它,因此您希望以易于理解的方式准备它。
2。Kaggle
Kaggle是世界上最大的数据科学社区,拥有强大的工具和资源来帮助您实现数据科学目标。Kaggle允许用户查找和发布数据集,在基于Web的数据科学环境中探索和构建模型,与其他数据科学家和机器学习工程师合作,并参加解决数据科学挑战的竞赛。在此平台上,您可以访问数据集、课程、笔记本和比赛。同样,作为一个初学者,你必须创建一个帐户,然后设置你的个人资料,包括一张个人资料图片和一个简短的个人简历。
加入Kaggle的主要目的之一是与其他数据科学专业人员建立网络。无论您是数据科学新手还是经验丰富的数据科学家,您都可以在Kaggle上找到一个合适的论坛,允许您发现内容并围绕您感兴趣的主题进行讨论。你的最终目标应该是进入并参与在这个平台上发起的数据科学竞赛。因为大多数比赛鼓励团队合作,所以与其他数据科学领域的有志之士建立网络是很重要的,他们可以作为Kaggle challenge比赛的团队成员。当您参加Kaggle竞赛时,您可以在您的公共配置文件上展示您完成的项目,包括您的数据集、Jupyter笔记本和项目报告。
3。LinkedIn
LinkedIn是一个非常强大的平台,可以展示您的技能,并与其他数据科学专业人士和组织建立联系。LinkedIn现在是发布数据科学职位和招聘数据科学家的最著名平台之一。事实上,我通过LinkedIn得到了许多数据科学方面的采访。
确保您的个人资料始终是最新的。列出你的数据科学技能集,以及你的经验,包括你完成的项目。也列出奖项和荣誉是值得的。你还想让招聘人员知道你正在积极寻找工作。此外,在LinkedIn上,您希望通过关注数据科学影响者和出版物,如KDnuggets、走向数据科学和走向人工智能,来保持最新的信息。这些公司发布关于各种主题的有趣的数据科学文章的更新,包括机器学习、深度学习和人工智能。
下面是我在LinkedIn上发帖的例子:https://www.LinkedIn.com/in/benjamin-o-tayo-ph-d-a2717511/detail/recent-activity/shares/
4。中等
Medium现在被认为是投资组合建设和网络建设发展最快的平台之一。如果您有兴趣使用这个平台来建立投资组合,第一步将是创建一个中等帐户。您可以创建免费帐户或会员帐户。对于一个免费的帐户,您每月可以访问的会员文章的数量是有限制的。一个会员帐户需要每月5美元或50美元/年的订阅费。有关成为Medium会员的更多信息,请访问以下站点:https://Medium.com/membership。
一旦您创建了一个帐户,您就可以继续创建一个配置文件。确保包括一张专业图片和一个简短的个人简历。下面是一个中等配置文件的示例:https://Medium.com/@benjaminobi。
在Medium上,与其他数据科学专业人员建立网络的一个好方法是成为追随者。您还可以关注专门针对数据科学的特定媒体出版物。两个顶级数据科学出版物是《面向数据科学》和《面向人工智能》。
在媒体上增强你的投资组合的最好方法之一是成为一名媒体作家。
写媒介文章有5个主要优点:
如果您有兴趣成为一名数据科学媒体作家,这里有一些可以让您入门的资源:
在媒体上写数据科学博客初学者指南
为您的数据科学文章选择正确的特征图像
总之,我们讨论了可以用于构建数据科学组合的4个重要平台。投资组合是展示您的技能和与其他数据科学专业人员建立网络的一种非常重要的方式。一个好的投资组合不仅能帮助你跟上这个领域的最新发展,还能提高你在潜在招聘者面前的知名度。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26CDA 数据分析师会被 AI 取代吗? 在当今数字化时代,数据的重要性日益凸显,数据分析师成为了众多企业不可或缺的角色 ...
2025-06-26CDA 数据分析师证书考取全攻略 在数字化浪潮汹涌的当下,数据已成为企业乃至整个社会发展的核心驱动力。数据分析师作 ...
2025-06-25人工智能在数据分析的应用场景 在数字化浪潮席卷全球的当下,数据以前所未有的速度增长,传统的数据分析方法逐渐难以满足海 ...
2025-06-25评估模型预测为正时的准确性 在机器学习与数据科学领域,模型预测的准确性是衡量其性能优劣的核心指标。尤其是当模型预测结 ...
2025-06-25CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-06-24金融行业的大数据变革:五大应用案例深度解析 在数字化浪潮中,金融行业正经历着深刻的变革,大数据技术的广泛应用 ...
2025-06-24Power Query 中实现移动加权平均的详细指南 在数据分析和处理中,移动加权平均是一种非常有用的计算方法,它能够根据不同数据 ...
2025-06-24数据驱动营销革命:解析数据分析在网络营销中的核心作用 在数字经济蓬勃发展的当下,网络营销已成为企业触达消费者 ...
2025-06-23随机森林模型与 OPLS-DA 的优缺点深度剖析 在数据分析与机器学习领域,随机森林模型与 OPLS-DA(正交偏最小二乘法判 ...
2025-06-23CDA 一级:开启数据分析师职业大门的钥匙 在数字化浪潮席卷全球的今天,数据已成为企业发展和决策的核心驱动力,数据分析师 ...
2025-06-23透视表内计算两个字段乘积的实用指南 在数据处理与分析的过程中,透视表凭借其强大的数据汇总和整理能力,成为了众多数据工 ...
2025-06-20CDA 一级考试备考时长全解析,助你高效备考 CDA(Certified Data Analyst)一级认证考试,作为数据分析师领域的重要资格认证, ...
2025-06-20