Предыдущие части: Часть 1, Часть 2, Часть 3

Medium и/или другие платформы для блоггинга.

Блог — это способ показать, что вы что-то умеете. Когда вы пишите о проекте или на другие темы, касающиеся сферы Data Science, вы тем самым делитесь с сообществом своими мыслями и рабочим процессом. А как вы можете помнить, в сфере Data Science люди любят делиться плодами своих трудов с окружающими.

Как сказал Дэвид Робинсон:

Блог — это ваш шанс попрактиковать необходимые навыки.

  • Очистка данных: Одним из преимуществ работы с различными наборами данных является то, что вы учитесь работать с тем, что есть. Будь то дополнительный файл из журнальной статьи или сценарий фильма.
  • Статистика: Работа с незнакомыми наборами данных позволяет применять статистические методы на практике, а написание статей, в которых обсуждаются и применяются различные концепции помогает сформировать собственное понимание этих концепций.
  • Машинное обучение: Существует большая разница между тем, чтобы использовать метод прогнозирования один раз и тем, чтобы много раз использовать его в решении различных проблем, при этом понимая, почему вы решили начать именно с этой проблемы, а не с другой.
  • Визуализация: Если у ваших диаграмм и графиков появится публика, это побудит вас выработать собственный стиль их подачи.
  • Общение: Вы зарабатываете опыт в написании и структурировании аргументов на основе данных. Пожалуй, это самый важный навык, который можно получить в блоге, поскольку его трудно получить в каком-то другом месте. Также он является неотъемлемой частью для получения должности в сфере Data Science.

В процессе написания постов в блог, вам определенно стоит общаться с другими блоггерами и завести друзей. Это можно расценивать, как еще один способ саморекламы. Статьи «Используем Scrapy для создания собственного набора данных» и, по иронии судьбы, «Управление окружающей среды Python с помощью Conda» многому меня научили и предоставили кучу возможностей, которых в другом случае у меня бы не было. Одним из преимуществ блога является критика со стороны окружающих, в большинстве случаев это полезная критика, так как люди предлагают варианты того, как сделать посты лучше. Более очевидным преимуществом блога является то, что при его создании вы читаете очень много литературы по Data Science/Машинному обучению, следовательно становитесь более опытным специалистом.

Что касается платформы для блоггинга, я рекомендую к использованию Medium. Манали Шинде в своей статье «Как создать Data Science портфолио с нуля» говорит, почему она выбрала Medium для размещения своего блога:

В самом начале я думала о том, чтобы создать собственный веб-сайт на WordPress или Squarespace. Эти платформы вне конкуренции, если хотите создать целый сайт для размещения портфолио, но мне хотелось писать свои статьи для большой аудитории, при этом на сайте должна была присутствовать развитая система тегов. К счастью, я вовремя наткнулась на Medium.

Если не знаете о чем написать в блоге, взгляните на советы от Дэвида Робинсона.

Twitter

Twitter — это отличное место для того, чтобы познакомиться и пообщаться с людьми из вашей области. Также это место, где можно разместить ссылку на свой блог, тем самым сделав свое портфолио еще более заметным. Существует много способов продвинуть свой блог. Один из них, как сказала Решама Шайх в статье «Как мне получить свою первую работу в сфере Data Science?» это:

Дэвид Робинсон великодушно предлагает любому ретвитнуть вашу первую статью по Data Science. От такого предложения трудно отказаться, учитывая 20000 подписчиков на его странице.

Помимо продвижения блогов, Twitter используется и для других целей. Data Science Renee опубликовала статью «Как использовать Twitter для изучения Data Science», в которой она очень подробно рассказывает о том, как именно это сделать. Также, в своей статье она говорила о том, как Twitter помог ей заполучить выгодные связи и возможности:

Меня пригласили дать несколько интервью на различных подкастах и блогах (некоторые из них должны скоро появиться в сети), предложили работу по контракту, дали бесплатный билет на конференцию, на которую я, к сожалению, не могу пойти, но была бы очень рада ее посетить. А также, «известные» люди в нашей сфере предлагают мне сотрудничество в том или ином проекте.

Tableau Public

Не каждый проект в сфере Data Science использует Tableau или другие BI инструменты. Однако, если вы все же взялись за проект, в котором используются эти инструменты, очень важно отметить, что существуют веб-сайты, на которых можно разместить панель мониторинга для публичного использования. Например, если вы находитесь в процессе изучения или же уже знаете Tableau, разместите несколько панелей мониторинга на сайт Tableau Public. Если захотите посмотреть на хорошие примеры профилей на Tableau Public, можете зайти на профиль Бриты Кавы и Орисы Стус.

Заключение

Помните, портфолио — это процесс. Не забывайте улучшать его!

На сегодняшний день существует много способов показать свой опыт и навыки, чтобы потом получить работу. Портфолио — это способ получить те возможности, которые невозможно получить с обычным простеньким резюме. Напомню, что портфолио должно обновляться по мере роста ваших знаний. Никогда не прекращайте учиться и профессионально расти. Если же вам нужны советы/инструкции по поводу прохождения собеседования, прочтите статью Брэндона Рорера «Как пережить Data Science интервью», статью Садата «Инструкция по прохождению Data Science интервью» или советы с сайта Springboard.

 

Перевод статьи Michael GalarnykHow to Build a Data Science Portfolio

Предыдущая статьяПочему вы должны начать использовать .npy файл чаще…
Следующая статьяДелаем Node.js быстрым: инструменты, техники и советы для создания эффективных серверов на Node.js Часть первая