Warum ein Portfolio-Projekt?
Zeit und Motivation für eigene Projekte zu finden, ist nicht immer leicht. Doch egal, ob du Vollzeit angestellt bist, selbständig arbeitest oder gerade suchst: Die Balance zwischen Beruf und deiner Leidenschaft für Data-Science-Projekte zahlt sich aus. Hier sind die wichtigsten Gründe, warum es sich lohnt, Zeit und Energie in ein Data-Science-Portfolio zu investieren. Wenn du tiefer einsteigen möchtest, warum Portfolios wichtig sind, inklusive Best Practices und Beispielen, lies unbedingt diesen Artikel.
Kompetenzen aufbauen und schärfen
Programmieren lernen, Modelle entwickeln, die Genauigkeit steigern und Modelle deployen: All das gehört zum Data-Science-Workflow. Diese Kompetenzen sind sehr gefragt, und Portfolio-Projekte sind ideal, um sie zu vertiefen und dein Wissen in deinen Interessensgebieten zu festigen. Darüber hinaus erlauben dir Portfolio-Projekte, Fähigkeiten aufzubauen, die nicht voll zu deinem Background, Job oder deiner Spezialisierung passen. Wenn du dich auf Natural Language Processing spezialisierst, bringen dich Computer-Vision-Side-Projects aufs nächste Level. Die Möglichkeiten sind endlos.
Deine Erfahrung für Recruiter sichtbar machen
Stell dir vor, zwei Junior-Data-Scientists sitzen vor einer Recruiterin: Die erste Person sagt: "Ich kann Python, Machine Learning und MLOps." Die zweite sagt: "Das kann ich auch — und ich habe es in diesem Projekt angewendet: Daten gescraped, ein ML-Modell darauf trainiert und als Web-App deployed." Klar, wer mehr Eindruck macht. Portfolio-Projekte unterstreichen deine Glaubwürdigkeit als Data Scientist. Je vielseitiger dein Portfolio, desto breiter ist die Palette an Tech-Skills, über die du mit Recruiterinnen und Hiring-Managern sprechen kannst.
Deine Soft Skills zeigen
Ein Data-Science-Portfolio steht für Konsequenz, Durchhaltevermögen, Liebe zum Detail und die Bereitschaft, kontinuierlich zu lernen und besser zu werden. Diese Soft Skills sind in vielen Bereichen entscheidend — Data Science bildet da keine Ausnahme. Ergänzt du technische Projekte um Content-basierte Formate, zeigst du zudem deine Kommunikations- und Data-Storytelling-Kompetenz — ein echtes Plus im Wettbewerb.
Dein erster Schritt in die Selbstständigkeit
Zwischen Side-Project und Unternehmertum liegt oft nur ein Schritt: den Sprung in Vollzeit zu wagen. Zahlreiche Side-Projects wurden zu Millionen-Startups. Zudem sind Portfolio-Projekte ein guter Einstieg in die Freiberuflichkeit als Data Scientist. Mehr dazu findest du in Teil 1 und Teil 2 unseres Guides für angehende Freelancer.
5 Orte, um dein Data-Science-Portfolio zu hosten
Wenn du deine Projekte mit der Data-Science-Community teilst, trägst du zum Wissensaustausch bei, lädst zur Zusammenarbeit ein, baust deine Marke auf und wirst Teil einer größeren Diskussion. Darum lohnt es sich, über deine Projekte zu sprechen und sie möglichst sichtbar zu machen. Es gibt viele Möglichkeiten, dein Portfolio zu hosten — hier sind einige der besten Tools und Plattformen, um es online präsentieren zu können.
1. DataLab
DataLab ist ein kollaboratives, cloudbasiertes Notebook, mit dem du Daten analysieren, mit anderen zusammenarbeiten und Analysen sofort veröffentlichen kannst. Entwickelt von DataCamp, ermöglicht es dir, direkt im Browser zu coden, Daten zu analysieren und deine Insights zu teilen. Es bietet über 40 vorinstallierte Datensätze sowie vorgefertigte Codebeispiele über Playbook-Vorlagen. DataLab unterstützt R, Python und SQL und läuft auf jedem Betriebssystem. Installation oder Downloads sind nicht nötig. Nach dem Erstellen deiner Projekte kannst du den Link zu deinem DataCamp-Profil teilen, damit andere sofort darauf zugreifen können. Beispiele für hochwertige Projekte auf DataLab sind:
Baue dein Datenportfolio auf
Präsentiere deine Fähigkeiten und Projekte in wenigen Minuten.
2. Kaggle
Kaggle ist eine Online-Community für Data Scientists und Machine-Learning-Enthusiastinnen und -Enthusiasten. Du kannst dort mit anderen zusammenarbeiten, Datensätze finden und veröffentlichen, Notebooks teilen und in Wettbewerben Data-Science-Herausforderungen lösen. Es gibt viele Datensätze für alle, die Algorithmen umsetzen wollen. Der Vorteil: Die Daten sind meist gut strukturiert und bereinigt. Damit ist Kaggle ein idealer Startpunkt, um ein Gefühl für Data-Science-Projekte zu bekommen. Nach der Registrierung kannst du laufende Wettbewerbe in verschiedenen Kategorien durchsehen:
- Dauerläufer für Einsteiger sind perfekt, um loszulegen. Du kannst dein Wissen anwenden und das Gelernte üben.
- Zeitlich begrenzte Wettbewerbe für Swag oder Ruhm sind ein Level über dem Einsteiger-Niveau.
- Zeitlich begrenzte Wettbewerbe mit Preisgeldern sind oft anspruchsvoller. Häufig werden sie von externen Organisatoren wie Netflix oder Google gesponsert.
Diese Wettbewerbe sind eine hervorragende Möglichkeit, deine Fähigkeiten zu entwickeln und deine Technik zu verbessern. Um deine Arbeit sichtbar zu machen, brauchst du ein Notebook (Kernel), das dein Projekt ausführlich erklärt, damit möglichst viele es nachvollziehen können.
Da die Plattform für ihre große Teilnehmerzahl bekannt ist, wirkt es für Einsteiger vielleicht schwierig, Preise zu gewinnen. Doch schon die Teilnahme und das Veröffentlichen von Notebooks helfen dir, Kompetenzen aufzubauen, Punkte zu sammeln und im Ranking aufzusteigen. Es liegt nahe, dass der höchste Rang, Grandmaster, Türen für deine Data-Science-Karriere öffnet. Lies diesen kompletten Kaggle-Guide für mehr Infos. Einige starke Notebooks auf Kaggle findest du hier:
3. GitHub
Auf hoher Ebene ist GitHub eine Website und Cloud-Plattform, auf der Entwicklerinnen und Entwickler Code-Repositories speichern, verwalten und Änderungen nachverfolgen können. Um GitHub zu verstehen, solltest du zwei Konzepte kennen: Versionskontrolle und Git. Beides hilft dir, Änderungen an Projekten über die Zeit zu dokumentieren und gezielt auf frühere Stände zurückzugreifen. Mehr über Git erfährst du in diesem Guide. Auf GitHub kannst du Open-Source-Projekte veröffentlichen, forken und teilen sowie Issues tracken. Einen GitHub-Account einzurichten und dein Portfolio über GitHub Pages zu hosten, ist einfach und kostenlos. So gehst du vor:
- Erstelle einen GitHub-Account.
- Lerne die Basics von Git und GitHub. Ausführliche Erklärungen und ein Tutorial für Einsteiger findest du in diesem Tutorial oder im Introduction to Git-Kurs.
- Lade deine Seite über GitHub Pages hoch, indem du diese Schritte wiederholst:
- Öffne GitHub und lege ein neues öffentliches Repository mit dem Namen username.github.io an, wobei username dein Benutzername (oder Organisationsname) auf GitHub ist.
- Wenn du Git-Befehle nicht kennst, kannst du GitHub Desktop für macOS und Windows nutzen.
- Nach der Installation rufe GitHub.com auf und aktualisiere die Seite. Klicke auf die Schaltfläche "Set up in Desktop". Wenn die GitHub-Desktop-App öffnet, speichere das Projekt.
- Öffne deinen Texteditor und erstelle eine index.html für dein Projekt.
- Commite deine Änderungen und klicke auf Veröffentlichen.
- Gib deiner Website ein Theme — ein Bootstrap-Theme oder ein HTML/CSS-Template funktioniert, ein WordPress-Theme jedoch nicht.
Eine sehr effektive Möglichkeit, deine Projekte zu teilen, ist über GitHub. Nachdem du deinen Account erstellt hast, kannst du dort deine Projekte veröffentlichen. In GitHub sollte jedes Projekt eine README.md enthalten, die für Nutzerinnen und Nutzer leicht verständlich ist. Das wird von Coderinnen und Codern oft vergessen, ist aber entscheidend: Ohne README.md ist es für Leserinnen und Leser deutlich schwerer zu verstehen, worum es geht. Beispiele für Portfolio-Seiten auf GitHub:
4. Eigene Website
Ein Blog oder eine persönliche Website ist ebenfalls ideal, um deine Projekte zu bündeln — zumal sich eine Seite heute ohne großes Budget aufsetzen lässt. Wenn du diesen Weg wählst, ist WordPress ein guter Startpunkt, aber auch andere CMS wie Strikingly oder Wix erfüllen ihren Zweck. Zwar ist es oft schwerer, Sichtbarkeit zu bekommen als etwa mit DataLab oder Kaggle, dafür hast du volle Kontrolle und mehr Möglichkeiten zur Individualisierung. Und wenn du dein SEO konsequent optimierst, kannst du bei Google sehr gut ranken.
5. Medium (und soziale Netzwerke)
Es ist wichtig, so umfassend wie möglich über deine Projekte zu kommunizieren. Für Content-basierte Portfolio-Projekte eignen sich neben deiner eigenen Website Blogging-Plattformen. Medium ist eine der besten Adressen, um mit deinen Projekten eine größere Zielgruppe zu erreichen. Zusätzlich können Beiträge auf Quora, LinkedIn, Twitter und Reddit deine Glaubwürdigkeit als Data Scientist stärken und deinen Projekten mehr Sichtbarkeit verschaffen.
Mehr erfahren
Ein starkes Data-Science-Portfolio kann den Unterschied machen. Es ist deine Chance, neue Fähigkeiten zu erwerben und bestehende zu nutzen und auszubauen. Mit Portfolio-Projekten baust du neue Kompetenzen auf, fällst Recruiterinnen und Recruitern auf und kannst möglicherweise erste Einnahmequellen für den Weg in die Freiberuflichkeit erschließen. Wenn du deine Projekte sichtbar machst, hebst du dich von anderen Data Scientists ab — nimm dir also Zeit, dein Portfolio zu schärfen. Der Aufwand lohnt sich. Mehr zu Portfolio-Projekten und dem Einstieg in Data Science findest du hier:
