¿Por qué tener un proyecto de porfolio?
Encontrar tiempo y motivación para proyectos personales puede ser todo un reto. Aun así, ya trabajes a tiempo completo, por tu cuenta o estés buscando empleo, compaginar tu vida profesional con tu pasión por crear proyectos de ciencia de datos puede ser muy gratificante. A continuación encontrarás razones clave para invertir tu tiempo y esfuerzo en construir un porfolio de ciencia de datos. Si quieres profundizar en por qué es importante crear proyectos de porfolio, junto con buenas prácticas y ejemplos, no te pierdas este artículo.
Desarrollar y afinar habilidades
Aprender a programar, crear modelos, mejorar su precisión y desplegarlos forma parte del flujo de trabajo en ciencia de datos. Estas habilidades tienen mucha demanda, y crear proyectos para tu porfolio es una gran forma de perfeccionarlas y afianzar tus conocimientos en las áreas que más te interesan. Además, los proyectos de porfolio te permiten desarrollar competencias que quizá no encajen del todo con tu formación, tu trabajo o tu especialidad. Si te especializas en procesamiento de lenguaje natural, crear proyectos paralelos de visión por computador llevará tus habilidades al siguiente nivel. Las posibilidades son infinitas.
Mostrar tu experiencia a los reclutadores
Imagina que dos data scientists júniores llegan ante un reclutador: la primera dice «sé Python, Machine Learning y MLOps»; la segunda dice «yo también, y apliqué esos conocimientos en este proyecto en el que hice scraping de datos, entrené un modelo de machine learning y lo desplegué como una aplicación web». Está claro quién llamará más la atención. Los proyectos de porfolio pueden respaldar tu legitimidad como data scientist. Cuanto más variado sea tu porfolio, mejor podrás demostrar un abanico amplio de habilidades técnicas sobre las que conversar con reclutadores y responsables de contratación.
Demostrar tus soft skills
Crear un porfolio de proyectos de ciencia de datos muestra constancia, perseverancia, atención al detalle y ganas de aprender y mejorar de forma continua. Estas habilidades blandas son clave en muchas carreras, y la ciencia de datos no es una excepción. Y, si además acompañas los proyectos técnicos con proyectos de contenido, podrás demostrar tus habilidades de comunicación y de data storytelling, lo que te diferenciará aún más como data scientist.
Dar tu primer paso hacia el emprendimiento
Entre un proyecto paralelo y emprender solo hay un paso: lanzarte a la aventura a tiempo completo. Muchos proyectos han acabado convirtiéndose en startups millonarias. Además, los proyectos de porfolio son una gran forma de iniciarte como data scientist freelance. Para saber más sobre cómo convertirte en freelance, lee la parte 1 y la parte 2 de nuestra guía para ser data scientist freelance.
5 lugares donde alojar tu porfolio de ciencia de datos
Compartir tus proyectos con la comunidad de data science contribuye al conocimiento colectivo, invita a colaborar, ayuda a construir tu marca y te integra en una conversación más amplia. Por eso conviene comunicar tus proyectos y asegurarte de que sean visibles para el mayor número posible de personas. Hay muchas opciones para alojar tu porfolio de ciencia de datos, pero estas son algunas de las mejores herramientas y plataformas para mostrarlo online.
1. DataLab
DataLab es un cuaderno colaborativo en la nube que te permite analizar datos, colaborar y publicar tus análisis al instante. Desarrollado por DataCamp, te permite escribir código, analizar datos y compartir tus insights directamente desde el navegador. Incluye más de 40 conjuntos de datos precargados para analizar y ejemplos de código mediante plantillas de playbooks. DataLab es compatible con R, Python y SQL, y está disponible en cualquier sistema operativo. No requiere instalación ni descargas. Tras crear tus proyectos, puedes compartir el enlace en tu perfil de DataCamp para que cualquiera pueda acceder a ellos al momento. Algunos ejemplos de proyectos de alta calidad alojados en DataLab son:
Construye tu cartera de datos
Muestra tus habilidades y proyectos en cuestión de minutos.
2. Kaggle
Kaggle es una plataforma y comunidad online para data scientists y entusiastas del machine learning. Te permite colaborar con otras personas, encontrar y publicar datasets, publicar notebooks y competir para resolver retos de ciencia de datos. Hay infinidad de datasets disponibles para quienes quieran poner en práctica sus algoritmos. La ventaja de esta plataforma es que los datos suelen estar bastante bien estructurados y limpios. Por tanto, es un gran lugar para empezar y coger soltura trabajando en proyectos de ciencia de datos. Tras registrarte, puedes explorar las distintas competiciones en curso en varias categorías:
- Competiciones permanentes para principiantes: un gran recurso para empezar. Puedes aplicar tus conocimientos y usarlas para practicar lo que has aprendido.
- Competiciones con límite de tiempo por premios promocionales o reconocimiento: un nivel por encima de principiante.
- Competiciones con límite de tiempo y premios en metálico: suelen ser más exigentes y están patrocinadas por organizadores externos como Netflix, Google, etc.
Participar en estas competiciones es una forma estupenda de desarrollarte, mejorar tus habilidades y hacer crecer tus capacidades técnicas. Para mostrar tu trabajo, necesitarás un notebook (Kernel) que explique con detalle todos los entresijos de tu proyecto para que lo entienda el mayor número posible de personas.
Dado que la plataforma es conocida por su alto número de participantes, puede que a una persona principiante no le resulte fácil ganar premios. Aun así, participar y publicar notebooks te permite desarrollar habilidades, acumular puntos y así escalar posiciones en el ranking. Es fácil imaginar que alcanzar el rango máximo de Grandmaster en Kaggle te abriría muchas puertas en tu carrera como data scientist. Puedes leer esta guía completa sobre Kaggle para más información. Aquí tienes algunos notebooks destacados en Kaggle:
3. GitHub
A grandes rasgos, GitHub es un sitio web y servicio en la nube que permite a desarrolladores almacenar y gestionar sus repositorios de código, así como registrar y monitorizar cambios. Para entender qué es GitHub, conviene conocer dos conceptos relacionados: el control de versiones y Git, que te ayudan a registrar los cambios de tus proyectos a lo largo del tiempo para poder recuperar versiones específicas después. Puedes consultar esta guía para aprender más sobre Git. La plataforma permite colaborar o publicar proyectos de código abierto, bifurcar y compartir código, y hacer seguimiento de issues. Configurar una cuenta de GitHub y alojar tu porfolio con GitHub Pages es fácil y gratuito. Solo tienes que seguir estos pasos:
- Crea una cuenta en GitHub.
- Aprende a usar Git y GitHub. Puedes encontrar explicaciones detalladas y un tutorial para entender Git y GitHub en este tutorial o en el curso Introduction to Git.
- Sube tu sitio a GitHub Pages siguiendo estos pasos:
- Abre GitHub y crea un repositorio público nuevo llamado username.github.io, donde username es tu usuario (o el de tu organización) en GitHub.
- Si no estás familiarizado con los comandos de Git, puedes descargar GitHub Desktop para usar Git y GitHub en macOS y Windows.
- Cuando termines la instalación, ve a GitHub.com y actualiza la página. Haz clic en el botón "Set up in Desktop". Cuando se abra la app de GitHub Desktop, guarda el proyecto.
- Abre tu editor de texto y crea un index.html para tu proyecto.
- Haz commit de tus cambios y pulsa publicar.
- Da un tema a tu sitio: un tema de Bootstrap o una plantilla HTML/CSS funcionará; un tema de WordPress no.
Usar plataformas como GitHub es una forma eficaz de dar a conocer tus proyectos. Tras crear tu cuenta, puedes empezar a publicarlos allí. En GitHub, cada proyecto debe incluir un archivo README.md que cualquier persona pueda leer fácilmente. Es algo que a menudo se olvida y, sin embargo, es crucial. Si no tienes un README.md, al lector le costará mucho más entender de qué trata el proyecto. Aquí tienes ejemplos de porfolios en GitHub Pages:
4. Sitio web personal
Tener un blog o un sitio web personal también es una excelente forma de centralizar tus proyectos, sobre todo porque montar una web hoy en día es relativamente sencillo y no requiere un gran presupuesto. Si eliges esta vía, WordPress es un gran punto de partida, aunque otros CMS como Strikingly o Wix también sirven perfectamente. Aunque puede costar más conseguir visitas que alojándolo en sitios como DataLab o Kaggle, alojar tu propia web te da más control y personalización. Además, si trabajas el SEO, puedes posicionarte muy arriba en las búsquedas de Google.
5. Medium (y redes sociales)
Es importante comunicar sobre tus proyectos todo lo posible. Para proyectos de porfolio basados en contenido, hay plataformas de blogging que puedes usar además de tu web personal. Medium es una de las mejores para llegar a una audiencia más amplia con tus proyectos. Además, publicar en redes como Quora, LinkedIn, Twitter y Reddit puede reforzar tu credibilidad como data scientist y dar más visibilidad a tus proyectos.
Más información
Contar con un porfolio sólido de ciencia de datos puede marcar la diferencia. Es una oportunidad para adquirir y aprender nuevas capacidades, y para potenciar y mejorar las que ya tienes. Trabajar en proyectos de porfolio te permite desarrollar habilidades, captar la atención de reclutadores e incluso generar nuevas fuentes de ingresos iniciando tu camino como freelance. Mostrar a los reclutadores los proyectos en los que has trabajado te diferenciará de otras personas, así que dedica tiempo a pulir tu porfolio: el retorno de la inversión merece la pena. Para saber más sobre proyectos de porfolio y cómo abrirte camino en data science, echa un vistazo a estos recursos:
