将于2018年聘用的5个数据科学项目

欢迎大家与我一起来探索科技！让我们走在科技的最前沿。小编已经把最精彩的内容写在下边，请您耐心的把文章阅读完可以吗？您的阅读就是我坚持创作的动力！此外，满足小编一个小小的请求好吗？帮忙点点关注，阅读完文章别忘了留下您宝贵的意见！好吧，我们现在开始一起探索吧！

你一直在学习ＭＯＯＣ并阅读一堆教科书，但现在你做了什么？

获得数据科学的工作似乎令人生畏。

展示您的技能的最佳方式是使用投资组合。

这表明雇主可以使用你一直在学习的技能。

为了展示这些技能，这里有５种类型的数据科学项目供您的投资组合使用：

数据清理

数据科学家可以期望在新项目

清理数据

上花费高达８０％的时间

。

对于球队来说，这是一个巨大的痛点。

如果您能证明您在清理数据方面经验丰富，那么您将立即获得更多价值。

要创建数据清理项目，请查找一些混乱的数据集，然后开始清理。

如果你正在使用Ｐｙｔｈｏｎ，

Ｐａｎｄａｓ

是一个很好的库，如果你正在使用Ｒ，你可以使用

ｄｐｌｙｒ

包。

确保展示以下技能：

导入数据

加入多个数据集

检测缺失值

检测异常

输入缺失值

数据质量保证

探索性数据分析

数据科学的另一个重要方面是探索性数据分析（ＥＤＡ）。

这是生成问题并使用可视化对其进行调查的过程。

ＥＤＡ允许分析师从数据中得出结论以推动业务影响。

它可能包括基于客户群的有趣见解，或基于季节性影响的销售趋势。

通常，您可以做出有趣的发现，这些发现并非初始考虑因素

用于探索性分析的一些有用的Ｐｙｔｈｏｎ库是

Ｐａｎｄａｓ

和

Ｍａｔｐｌｏｔｌｉｂ

。

对于Ｒ用户，

ｇｇｐｌｏｔ２

包将很有用。

ＥＤＡ项目应该显示以下技能：

能够为调查制定相关问题

识别趋势

识别变量之间的协变

使用可视化（散点图，直方图，框和晶须等）有效地传达结果

交互式数据可视化

交互式数据可视化包括仪表板等工具。

这些工具对数据科学团队以及更多面向业务的最终用户都很有用。

仪表板允许数据科学团队进行协作，并一起绘制见解。

更重要的是，它们为面向业务的客户提供了一种交互式工具。

这些人专注于战略目标而非技术细节。

通常，数据科学项目的可交付成果将以仪表板的形式出现。

对于Ｐｙｔｈｏｎ用户，

Ｂｏｋｅｈ

和

Ｐｌｏｔｌｙ

库非常适合创建仪表板。

对于Ｒ用户，请务必查看RStudio的

Ｓｈｉｎｙ

软件包。

您的仪表板项目应突出显示以下重要技能：

包括与客户需求相关的指标

创建有用的功能

逻辑布局（“Ｆ模式”便于扫描）

创建最佳刷新率

生成报告或其他自动操作

机器学习

机器学习项目是数据科学组合的另一个重要部分。

在您开始运行并开始构建一些深度学习项目之前，请退后一步。

而不是建立复杂的机器学习模型，坚持基础。

线性回归和逻辑回归是很好的开始。

这些模型更易于解释并与上层管理层沟通。

我还建议关注一个对业务有影响的项目，例如预测客户流失，欺诈检测或贷款违约。

这些比预测花型更真实。

如果您是Ｐｙｔｈｏｎ用户，请使用

Ｓｃｉｋｉｔ－ｌｅａｒｎ

库。

对于Ｒ用户，请使用

Ｃａｒｅｔ

包。

您的机器学习项目应该传达以下技能：

您选择使用特定机器学习模型的原因

将数据拆分为训练／测试集（ｋ倍交叉验证）以避免过度拟合

选择正确的评估指标（ＡＵＣ，ａｄｊ－Ｒ　＾　２，混淆矩阵等）

特征工程和选择

超参数调整

通讯

沟通是数据科学的一个重要方面。

有效地传达结果是优秀数据科学家与优秀科学家之间的区别。

无论您的模型多么花哨，如果您无法向队友或客户解释，您将无法获得他们的支持。

幻灯片和笔记本电脑都是很好的沟通工具。

使用您的一个机器学习项目并将其放入幻灯片格式。

您还可以将

Ｊｕｐｙｔｅｒ　Ｎｏｔｅｂｏｏｋ

或

ＲＭａｒｋｄｏｗｎ

文件用于通信项目。

确保了解您的目标受众是谁。

向高管们展示与向机器学习专家展示非常不同。

一定要掌握这些技能：

了解您的目标受众

提出相关的可视化

请勿过多地提供幻灯片

确保您的演示文稿流畅

将结果与业务影响相结合（降低成本，增加收入）

确保在Jupyter笔记本或ＲＭａｒｋｄｏｗｎ文件中记录您的项目。

然后，您可以使用

Ｇｉｔｈｕｂ　Ｐａｇｅｓ

将这些降价文件免费转换为静态网站

。

这是向潜在雇主展示您的投资组合的好方法。

保持积极态度，继续建立项目，您将在数据科学领域找到工作。

快乐找工作！

非常感谢各位看官能在百忙之中阅读小编的文章，您们的阅读和评论是小编继续坚持创作的动力。你们的每一个评论，小编都会去非常认真的去阅读，你们提出的宝贵意见我也会虚心接受，争取每天都为大家带来更多的优质文章。让大家不但可以增长见识，还可以有个好的心情。希望您能喜欢小编的文章！

＆ｎｂｓｐ；