乾貨：5種專案助你找到資料科學工作-知識星球

或許您已經在網上看了許多的MOOC，閱讀了很多工具書，但是您有可能仍然擔心找不到工作或根本沒有找到工作。在資料科學領域找到合適的工作的確有一定難度。最好的向HR展現您能力的方式就是準備一個檔案夾。在檔案夾中放入以下五種您做過的資料科學專案。

資料清洗

通常來講，資料科學家在一個新的專案中預計會花80%的時間來清洗資料。這對於團隊來說是一個長而痛苦的過程。如果您能展示您在清洗資料上具有豐富的經驗，您就會變得很有價值。您可以找一些雜亂無章的資料集練習清理資料來增加您的經驗。

如果您用的是Python，Pandas是一個很好用的包；如果您用的是R，dplyr包將會是一個不錯的選擇。確保您展示出以下的技能：

標註重點資料
連線多個資料集
檢測缺失資料
檢測異常值
填充缺失資料
確認資料質量

探索性資料分析

另一項有關資料科學的重要內容是探索性資料分析（EDA）。這是提出問題的過程，需要您用視覺化技術來研究這個資料集。EDA使得分析師能夠從資料中得出一些能驅動商業決策的結論。或許您能從客戶的資料、銷售的趨勢、季節的影像中得到有趣的結論。甚至有時候您能有一些和您最初設想完全不同的發現。

用於探索性分析的一些有用的Python包是Pandas和Matplotlib。對於R使用者，ggplot2包將很有用。EDA專案應該顯示以下技能：

能夠為調查制定相關問題
識別趨勢
識別變數之間的相關關係
使用視覺化技術（散點圖，直方圖，箱線圖等）有效地傳達結果

互動式資料視覺化

互動式資料視覺化包括儀錶板等工具。這些工具對資料科學團隊以及更多面向業務的終端使用者都很有用。儀錶板允許資料科學團隊進行協作，並一起繪製見解。更重要的是，它們為面向業務的客戶提供了一種互動式工具。這些人專註於戰略標的而非技術細節。通常，資料科學專案的可交付成果將以儀錶板的形式出現。

對於Python使用者，Bokeh和Plotly庫非常適合建立儀錶板。對於R使用者，請務必檢視RStudio的Shiny軟體包。您的儀錶板專案應突出顯示以下重要技能：

包括與客戶需求相關的指標
建立有用的功能
邏輯佈局（“F樣式”便於掃描）
建立最佳掃清率
生成報告或其他自動操作

機器學習

機器學習專案是資料科學組合的另一個重要部分。在您開始構建一些深度學習專案之前，請退後一步。我們說的並不是建立複雜的機器學習模型，而是堅持基礎。線性回歸和邏輯回歸是很好的開始。這些模型更易於解釋和與上層管理層溝通。我還建議關註一個對業務有影響的專案，例如預測客戶流失，欺詐檢測或貸款違約。這比預測花型更貼近於工作實際。

如果您是Python使用者，請使用Scikit-learn庫。對於R使用者，請使用Caret包。您的機器學習專案應該傳達以下技能：

您選擇使用特定機器學習模型的原因
將資料拆分為訓練/測試集（k倍交叉驗證）以避免過擬合
選擇正確的評估指標（AUC，adj-R ^ 2，混淆矩陣等）
特徵值的選擇
超引數調整

溝通能力

溝通是資料科學的一個重要方面。能否有效地傳達結果是優秀資料科學家與優秀科學家之間的區別。無論您的模型多麼花哨，如果您無法向隊友或客戶解釋，您將無法獲得他們的支援。幻燈片和膝上型電腦都是很好的溝通工具。嘗試將您的一個機器學習專案放入幻燈片格式中。您還可以將Jupyter Notebook或RMarkdown檔案用於需要溝通的專案。