【译Py】2018年,这5个数据科学项目能帮你找到工作

  1. 云栖社区>
  2. 博客>
  3. 正文

【译Py】2018年,这5个数据科学项目能帮你找到工作

呆鸟776 2018-07-08 14:42:00 浏览1731
展开阅读全文

标签:数据预处理、数据科学、数据可视化、招聘、Jupyter、机器学习

原文作者:John Sullivan,数据科学博客DataOptimal的创始人,可以通过 @DataOptimal在Twitter上与他联系。

原文地址5 Data Science Projects That Will Get You Hired in 2018

img_d41918d3e5bd64422dc5e2f0edc87818.png
天善智能

  看了不少天善智能[1]的视频课,读了一堆数据科学的书,下一步你打算怎么办

  找个数据科学的工作不容易,不过我有个好主意能帮你找工作,这就是打造你自己的作品集,利用作品集展示你学到的技能,让未来的老板知道你有多大本事。

  你可以把这5个数据科学项目放到作品集里,以此说明自己的能力:

  1. 数据清洗

  数据科学家往往要耗费高达80%的时间来清理新项目的数据,这是数据科学团队最大的痛点。如果能告诉他们你拥有丰富的数据清理经验,你的价值马上就能体现出来了。现在,找一些需要清理的数据集,创建一个数据清洗项目,开始数据清理吧。

img_5d3f11ab05a0eff2addb2f54d6408b86.jpe
Data Cleaning

  用Python的话,Pandas绝对是首选,如果用的是R,可以使用dplyr这个包。记得要表现出以下几项技能:

  • 导入数据;
  • 合并多个数据集;
  • 检测缺失值;
  • 检测异常值;
  • 插入缺失值;
  • 数据质量验证。
  1. 探索性数据分析

  数据科学的另一项重要工作是探索性数据分析(EDA,Exploratory Data Analysis ),它是提出问题、使用可视化方法研究问题的过程。探索性数据分析可以让分析师通过数据得出结论,进而影响业务决策。这项工作可以是通过客户细分得出洞察结果,也可以是分析季节因素对销售趋势的影响。一般来说,探索性数据分析会带来一些让人意想不到的发现。

img_e0db12346a875d7c84e3b937cad64dd8.jpe
Exploratory data analysis
img_34533d6608fad5ba1c95618047e05177.gif
键冬同学的PyEcharts-柱形图
img_a2cd2ee5527e092a424628e6260028d0.gif
键冬同学的PyEcharts-地图
img_b8ff701f135ac54d91ed2e8f748add62.png
键冬同学的PyEcharts-词云图

  Python用户可以使用PandasMatplotlib(译注:强烈推荐国内用户使用键冬同学的PyEcharts,交互式的可视化图,非常好用!)这两个库进行探索性数据分析。R用户可以使用ggplot2这个包,也非常实用。探索性数据分析这个项目要展示出如下几方面的技能:

  • 能够提出探索性的问题;
  • 能够识别趋势;
  • 能够识别变量的共变性(covariation);
  • 能够使用可视化(散点图、直方图,箱须图等)有效地沟通分析结果。
  1. 交互式数据可视化

  交互式数据可视化包括使用Dashboard这样的工具。数据科学团队和终端业务用户都喜欢使用这些工具。数据科学团队可以使用Dashboard进行协作,一起开展数据分析工作。更重要的是,Dashboard为终端业务用户提供了交互式的工具,让他们把精力放在战略目标上,而不用关注过多的技术细节。很多时候,数据科学团队提交给用户的可交付成果都是以Dashboard这种形式体现的。

img_77ab1ea627bbeee944e1eb500025c228.jpe
Interactive data visualizations

Python用户可以使用BokehPlotly,这两个库都是编制Dashboard的利器。R用户则必选RStudio的Shiny包。Dashboard的项目一定要突出以下这些重要的技能。

  • 列出客户需求相关的指标;
  • 提取有用的特征;
  • 使用有逻辑的布局,比如易于浏览的“F模式”;
  • 创建最优的刷新率;
  • 生成报告或其它自动化的操作。
  1. 机器学习

  机器学习项目是你的作品集里另一项非常重要的内容。在你关掉这篇文章,开始构建深度学习项目前,不要着急,咱们先花一分钟的时间回顾点儿基础概念,就算要建立一个特别复杂的机器学习模型,也得先从基础做起。我建议从线性回归逻辑斯蒂回归做起,和高管沟通时,解释这些模型也会相对容易一点。这个项目的重点应该是突出项目对业务的影响,比如客户流失、欺诈监测,或贷款拖欠这些内容。提醒一下,别再用预测鸢尾花类型这样的例子了,最好找些实用的数据项目。

img_c16108b35b8aaf8b2de31134022e4e9e.jpe
Machine learning

  Python用户可以用 Scikit-learn这个机器学习库,R用户可以使用Caret这个包。机器学习项目要传达给读者你具有以下技能:

  • 能够说明选择某个机器学习模型的原因;
  • 能够避免过拟合,将数据分割为训练集与测试集(K折交叉验证);
  • 能够选择正确的评估指标(AUC~Area Under Curve, 调整R方~Adj-R2, 混淆矩阵~confusion matrix);
  • 能够开展特征工程与选择的能力;
  • 能够进行超参数调优。
  1. 沟通

  沟通对于数据科学的重要性比你想的要大得多,能否有效地沟通、交流数据分析结果是区分牛X数据科学家和普通数据科学家的标准。不管你做的模型多花哨,如果不能给同事或客户讲清楚,不能让他们理解,就没人会买你的账。幻灯片和笔记是超强大的沟通工具,你可以尝试把机器学习项目改造成幻灯片,还可以使用Jupyter NotebookRMarkdown辅助沟通。

img_32c5db3a3605ff05ab751dd2e1058e05.jpe
Jupyter communication

  记住,首先要搞清楚目标受众是谁,给公司高管做汇报和给机器学习专家做演讲完全是两码事儿。注意要突出以下这些能力:

  • 搞清楚你的目标受众是谁;
  • 展示可视化图;
  • 幻灯片要清爽,不要塞进去太多信息;
  • 陈述流程一定要流畅;
  • 结合业务影响(比如减少成本、增加收入)说明分析结果。

  使用Jupyter Notebook或RMarkdown文件记录项目,也可以使用免费的Github Pages将Markdown文件转化为静态网页。

  完成上述五个项目,把它们加到你的作品集里,找工作时,把你的作品集展示给面试官,就能把他们都给震了。

  保持积极的心态,不断实践各种数据科学项目,你就能在数据科学这条道路上不断前进,最终找到一条属于自己的路,并在这个领域占据一席之地。顺祝马到成功,高薪在手!


  1. 原文是慕课,这里本地化了,顺便给天善智能打个广告,感谢天善引导我进入数据科学的大门。

网友评论

登录后评论
0/500
评论
呆鸟776
+ 关注