بهترین پروژه علوم داده که می‌توانید در پورتفولیو خود داشته باشید.

شکل ۱: بهترین پروژه علوم داده
شکل ۱: بهترین پروژه علوم داده


منتشر‌شده در: kdnuggets به تاریخ فوریه 2021
لینک منبع: The Best Data Science Project to Have in Your Portfolio

اگر می‌خواهید اولین مسیر خود را در رشته علوم داده پیدا کنید، نشان دادن کیفیت مهارت‌هایتان می‌تواند بزرگ‌ترین مانع برای شما باشد. در حالی که پروژه‌های استاندارد بسیاری برای تکمیل وجود دارند، ایجاد یک پروژه برگرفته از داده اصلی که تلاش می‌کند برخی از چالش‌ها را حل کند، ارزش بسیار بیشتری دارد. یک دانشمند داده خوب، دانشمندی است که می‌تواند سوالات مربوط به داده را حل کند و یک دانشمند داده بزرگ سوالات مربوط به داده اصلی را مطرح می‌کند و سپس آن را حل می‌کند.

علم داده رشد عظیمی را در سال‌های اخیر تجربه کرده است. پتانسیل خلق ارزش از طریق داده، کسب‌و‌کارهایی را جذب کرده‌است که در نتیجه، سرمایه‌گذاری‌های جدیدی را در این زمینه به راه انداخته‌اند.

محبوبیت و پتانسیل علوم داده، همراه با افزایش تقاضا برای دانشمندان داده، باعث می‌شود افراد زیادی تغییر شغل دهند تا در این زمینه کار کنند.

بزرگ‌ترین چالش برای دانشمندان مشتاق داده این است که اولین قدم را در این زمینه بردارند. من فکر می‌کنم آنچه که برداشتن گام اول را دشوار می‌سازد دلایل زیر است:

  • علم داده یک حوزه میان رشته‌ای است، بنابراین به دست آوردن و ارزیابی مهارت‌های مورد نیاز دشوار است.
  • علوم داده هنوز در حال تحول است، بنابراین هنوز به خوبی در سیستم آموزش سنتی ایجاد نشده است.
  • اگر تجربه کاری قبلی ندارید، هیچ راه مستقیمی برای نشان دادن مهارت‌های خود وجود ندارد.

در این مقاله، من دلیل سوم را توضیح خواهم داد و پیشنهاد خود را ارائه خواهم داد.

اگر نشریات متوسط در زمینه علوم داده را دنبال می‌کنید، باید مقالاتی را دیده باشید که پروژه‌های علوم داده را برای قرار دادن در رزومه یا پورتفولیو شما فهرست می‌کنند.

همه آن‌ها برای تمرین مهارت‌های سخت مانند کدگذاری، کار با داده‌ها، کتابخانه‌ها و چارچوب‌های علوم داده، الگوریتم های یادگیری ماشین و غیره مناسب هستند. با این حال، آن‌ها فاقد مهارت مهمی هستند.

مطالعه مقاله دانشمند داده زیرک چگونه رفتار می‌کند؟ توصیه می‌شود.
شکل ۲: آیا ما حتی می‌توانیم مهارت ساخت مکعب روبیک و مهارت حل آن را مقایسه کنیم؟
شکل ۲: آیا ما حتی می‌توانیم مهارت ساخت مکعب روبیک و مهارت حل آن را مقایسه کنیم؟


یک دانشمند داده یک مشکل را شناسایی می‌کند و یک راه‌حل پیشنهادی پیدا می‌کند. پروژه‌های ذکر شده در این مقالات مشکل و راه‌حل شما را مشخص می‌کنند. علاوه بر این، به دست آوردن داده‌های مورد نیاز در یک فرمت تمیز و مرتب نسبتا آسان است.

از آنجا که اغلب این پروژه‌ها بسیار رایج هستند، راه‌حل یا اجرا را می‌توان به راحتی به صورت آنلاین پیدا کرد. بنابراین آن‌ها را به عنوان پروژه‌هایی برای تمرین مهارت‌های خود در نظر بگیرید. متاسفانه، آن‌ها برای متقاعد کردن مدیران استخدام که شما کاندیدای خوبی برای موقعیت یک دانشمند داده هستید، کافی نیستند.

در عوض، آنچه که ما باید انجام دهیم یافتن مشکلی است که بتوان آن را با داده‌ها حل کرد و راه‌حل ما را طراحی کرد. مشکل نباید پیچیده باشد، و ما مجبور نیستیم بهترین و کارآمدترین راه‌حل را ارائه دهیم. حتی ممکن است در حل درست مشکل با شکست مواجه شویم.

با این حال، توانایی چارچوب‌بندی مشکلی که می‌تواند با داده‌ها حل شود، ارزشمندتر از تکمیل چنین پروژه‌های معمولی است. این امر مهارت‌های تفکر تحلیلی شما را ثابت می‌کند و به وضوح نشان می‌دهد که شما درک جامعی از علم داده دارید.

این کار کمک زیادی می‌کند تا کارفرمای آینده خود را متقاعد کنید که یک یا دو پروژه داشته باشد که شما از ابتدا ساخته‌اید. حتی ممکن است یک ایده کاری جدید داشته باشید. مزیت دیگر داشتن پروژه‌های منحصر به فرد این است که آن‌ها استخدام کنندگان و مدیران استخدام را جذب می‌کنند. آن‌ها به احتمال زیاد به جای اینکه شما را در موقعیت‌های متعددی قرار دهند، به شما نزدیک می‌شوند.

ممکن است استدلال کنید که رسیدن به یک ایده پروژه جدید کار بسیار چالش برانگیزی است. من کاملا با شما موافقم. به همین دلیل است که من آن را بهترین پروژه در پورتفولیو می‌نامم.

من می‌دانم که زمان، تلاش، و تفکر زیادی برای رسیدن به یک ایده پروژه منحصر به فرد لازم است. علاوه بر این، شما ساعت‌های طولانی را صرف تلاش برای اجرای ایده خود خواهید کرد. مهم است به این نکته اشاره کنید که ممکن است به یک پروژه شکست‌خورده برسید. با این حال، آنچه شما در طول این فرآیند یاد می‌گیرید، احتمالا مهارت‌هایی هستند که شما نمی‌توانید از یک دوره MOOC یا هر برنامه آموزشی دیگر یاد بگیرید.

همچنین مهارت‌های خود را در نحوه برخورد با یک مساله بهبود خواهید بخشید. شما یاد خواهید گرفت که چگونه یک کار را از جنبه‌های مختلف ارزیابی کنید. در برخی موارد، راه‌حلی که در ذهن دارید متناسب با کتابخانه‌ها یا چارچوب‌هایی که با آن‌ها راحت هستید نیست. در نتیجه به شما انگیزه می‌دهد که ابزارهای جدید را یاد بگیرید.

نتیجه‌گیری

۱۰ پروژه‌ای که باید در پورتفولیو خود داشته باشید جالب به نظر می‌رسند. من برخی از این پروژه‌ها را نیز انجام دادم. با این حال، به یاد داشته باشید که اغلب افرادی که شما با آن‌ها رقابت می‌کنید تا کار دانشمند داده را به دست آورید این ۱۰ پروژه را نیز انجام می‌دهند. شما عقب نخواهید ماند، اما انجام همین کار شما را جلوتر نخواهد برد.

مدیران استخدام و یا استخدام‌کننده‌ها می‌دانند که شما چقدر در یک پروژه سرمایه‌گذاری می‌کنید. برخی از پروژه‌های معمول محبوب را می‌توان در یک یا دو روز تکمیل کرد. بنابراین، شما زمان سختی خواهید داشت تا مهارت‌های خود را بر اساس آن پروژه‌ها نشان دهید.

من قطعا مخالف انجام این پروژه‌های مشترک نیستم. آن‌ها از نظر تمرین و بهبود مهارت‌های سخت شما ارزشمند هستند، اما این تمام چیزی است که می‌توانند ارائه دهند.

از طرف دیگر، اگر پروژه‌ای را ارائه دهید که توسط شما طراحی و اجرا شده‌است، شما را به یک نامزد استثنایی برای این شغل تبدیل می‌کند.

این متن با استفاده از ربات ترجمه مقالات علوم داده ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.
مقالات لینک‌شده در این متن می‌توانند به صورت رایگان با استفاده از مقاله‌خوان ترجمیار به فارسی مطالعه شوند.