Pourquoi créer un projet de portfolio ?
Il n’est pas toujours simple de trouver le temps et la motivation pour mener des projets personnels. Pourtant, que vous soyez en poste, indépendant ou en recherche d’emploi, concilier votre activité professionnelle et votre passion pour la création de projets data science peut être très gratifiant. Voici les principales raisons d’investir du temps et des efforts dans la construction d’un portfolio en data science. Pour aller plus loin sur l’intérêt des projets de portfolio, les bonnes pratiques et des exemples concrets, consultez cet article.
Développer et affiner vos compétences
Apprendre à coder, construire des modèles, améliorer leur précision et les déployer font partie du flux de travail en data science. Ces compétences sont très recherchées, et créer des projets de portfolio est une excellente manière de progresser et de consolider vos connaissances dans vos domaines d’intérêt. En outre, des projets de portfolio vous permettent d’acquérir des compétences qui ne correspondent pas forcément à votre parcours, votre poste ou votre spécialité. Si vous êtes spécialisé en traitement automatique du langage naturel, réaliser des projets personnels en vision par ordinateur fera passer vos compétences au niveau supérieur. Les possibilités sont infinies.
Mettre votre expérience en valeur auprès des recruteurs
Imaginez deux data scientists juniors face à un recruteur : le premier dit : "Je maîtrise Python, le machine learning et le MLOps". Le second précise : "Je maîtrise tout cela, et je l’ai appliqué dans ce projet où j’ai collecté des données, entraîné un modèle de machine learning et déployé une application web". Lequel va marquer les esprits ? Les projets de portfolio renforcent votre légitimité en tant que Data Scientist. Plus votre portfolio est varié, plus vous montrez l’étendue de vos compétences techniques, dont vous pourrez parler aisément avec les recruteurs et responsables du recrutement.
Valoriser vos soft skills
Constituer un portfolio de projets data met en avant votre régularité, votre persévérance, votre sens du détail et votre envie d’apprendre et de vous améliorer en continu. Ces compétences comportementales sont cruciales dans de nombreux métiers, et la data science n’y fait pas exception. Mieux encore, si vous complétez vos projets techniques par des projets éditoriaux, vous pourrez démontrer vos aptitudes en communication et en data storytelling, ce qui vous différenciera davantage.
Faire un premier pas vers l’entrepreneuriat
Entre un side project et l’entrepreneuriat, il n’y a qu’un pas : se lancer à temps plein. De nombreuses aventures sont devenues des startups à succès. Par ailleurs, des projets de portfolio sont un excellent tremplin pour démarrer en tant que data scientist freelance. Pour en savoir plus, lisez la partie 1 et la partie 2 de notre guide pour devenir data scientist indépendant.
5 endroits où héberger votre portfolio data science
Partager vos projets avec la communauté data contribue au savoir collectif, favorise les collaborations, renforce votre marque personnelle et vous intègre à des discussions plus larges. D’où l’importance de communiquer sur vos projets et de les rendre visibles au plus grand nombre. Les options pour héberger votre portfolio data ne manquent pas ; voici quelques-uns des meilleurs outils et plateformes pour le présenter en ligne.
1. DataLab
DataLab est un notebook collaboratif dans le cloud qui vous permet d’analyser des données, de collaborer et de publier vos analyses instantanément. Conçu par DataCamp, il vous permet d’écrire du code, d’analyser des données et de partager vos insights directement depuis votre navigateur. Il propose plus de 40 jeux de données préchargés à analyser, ainsi que des exemples de code prêts à l’emploi via des modèles de playbooks. DataLab prend en charge R, Python et SQL, et fonctionne sur tout système d’exploitation. Aucune installation ni téléchargement requis. Une fois vos projets créés, vous pouvez partager le lien sur votre profil DataCamp pour un accès immédiat. Voici quelques exemples de projets de qualité hébergés sur DataLab :
Constituez votre portefeuille de données
Présentez vos compétences et vos projets en quelques minutes.
2. Kaggle
Kaggle est une plateforme communautaire en ligne pour les data scientists et passionnés de machine learning. Elle permet de collaborer avec d’autres data scientists, de trouver et publier des jeux de données, de partager des notebooks et de concourir pour résoudre des défis de data science. De nombreux jeux de données sont disponibles pour mettre en œuvre vos algorithmes. L’avantage, c’est que les données y sont généralement bien structurées et nettoyées. C’est donc un excellent point de départ pour se faire la main sur des projets de data science. Une fois inscrit, vous pouvez parcourir les différentes compétitions en cours dans plusieurs catégories :
- Des compétitions permanentes pour débutants, idéales pour démarrer. Vous pouvez y appliquer vos connaissances et vous entraîner.
- Des compétitions limitées dans le temps avec des lots promotionnels ou pour la notoriété, d’un niveau juste au-dessus.
- Des compétitions limitées dans le temps avec des prix, plus exigeantes, généralement sponsorisées par des acteurs externes comme Netflix, Google, etc.
Participer à ces compétitions est un excellent moyen de progresser, d’enrichir vos compétences et de gagner en maîtrise technique. Pour mettre en valeur votre travail, vous devrez publier un notebook (Kernel) expliquant en détail tous les aspects de votre projet afin qu’un maximum de personnes puisse le comprendre.
Étant donné le grand nombre de participants sur la plateforme, il peut sembler difficile pour un débutant de remporter des prix. Cependant, participer aux compétitions et publier des notebooks vous permet de développer vos compétences, d’accumuler des points et de monter dans le classement. On imagine aisément qu’atteindre le rang ultime de Grandmaster sur Kaggle ouvre des portes dans une carrière de data scientist. Pour en savoir plus, consultez ce guide complet sur Kaggle. Voici quelques notebooks remarquables hébergés sur Kaggle :
3. GitHub
À un niveau élevé, GitHub est un site web et un service cloud qui permettent aux développeurs de stocker et gérer leurs dépôts de code, et d’en suivre l’évolution dans le temps. Pour bien comprendre GitHub, il faut connaître deux notions liées : le contrôle de version et Git, qui aident à enregistrer les changements de vos projets pour retrouver des versions précises ultérieurement. Vous pouvez consulter ce guide pour en savoir plus sur Git. La plateforme permet de collaborer sur des projets open source ou de les publier, de dupliquer et partager du code, et de suivre les issues. Créer un compte GitHub et héberger votre portfolio via les GitHub Pages est simple et gratuit. Procédez ainsi :
- Créez un compte GitHub.
- Apprenez à utiliser Git et GitHub. Vous trouverez des explications détaillées et un tutoriel d’initiation en suivant ce tutoriel ou le cours Introduction to Git.
- Téléversez votre site sur les GitHub Pages en reproduisant ces étapes :
- Ouvrez GitHub et créez un nouveau dépôt public nommé username.github.io, où username est votre nom d’utilisateur (ou le nom de votre organisation) sur GitHub.
- Si vous n’êtes pas à l’aise avec les commandes Git, vous pouvez simplement télécharger GitHub Desktop pour utiliser Git et GitHub sur macOS et Windows.
- Après l’installation, allez sur GitHub.com et actualisez la page. Cliquez sur le bouton "Set up in Desktop". Quand l’application GitHub Desktop s’ouvre, enregistrez le projet.
- Ouvrez votre éditeur de texte et créez un fichier index.html pour votre projet.
- Validez vos changements (commit) et publiez.
- Appliquez un thème à votre site : un thème Bootstrap ou un modèle HTML/CSS conviendra, mais un thème WordPress ne fonctionnera pas.
Utiliser une plateforme comme GitHub est un moyen efficace de présenter vos projets. Une fois votre compte créé, vous pouvez y publier vos réalisations. Sur GitHub, chacun de vos projets doit comporter un fichier README.md facilement lisible par vos visiteurs. C’est souvent oublié par les codeurs, et pourtant crucial : sans README.md, il est beaucoup plus difficile pour le lecteur de comprendre votre projet. Voici quelques exemples de portfolios hébergés sur GitHub Pages :
4. Site personnel
Tenir un blog ou un site personnel est aussi un excellent moyen de centraliser vos projets, d’autant qu’il est aujourd’hui assez simple de créer un site sans budget important. Si vous optez pour cette voie, WordPress est un très bon point de départ, mais un autre CMS comme Strikingly ou Wix fera aussi l’affaire. Même s’il peut être plus difficile d’attirer des visiteurs qu’en hébergeant vos projets sur DataLab ou Kaggle, posséder votre site vous offre davantage de contrôle et de personnalisation. Et avec un travail sérieux sur votre SEO, vous pouvez remonter très haut dans les résultats Google.
5. Medium (et réseaux sociaux)
Il est important de communiquer autant que possible sur vos projets. Pour les projets de portfolio orientés contenu, vous pouvez utiliser des plateformes de blogging en complément de votre site personnel. Medium est l’une des meilleures plateformes pour toucher une audience plus large. De plus, publier sur des réseaux comme Quora, LinkedIn, Twitter ou Reddit peut renforcer votre légitimité en tant que data scientist et donner davantage de visibilité à vos projets.
Pour aller plus loin
Un solide portfolio en data science peut faire la différence. C’est l’occasion d’acquérir de nouvelles capacités, de valoriser et d’améliorer celles que vous avez déjà. Mener des projets de portfolio peut vous permettre de développer de nouvelles compétences, d’attirer l’attention des recruteurs et, potentiellement, de générer des sources de revenus en lançant votre activité freelance. Présenter vos projets aux recruteurs vous distinguera des autres data scientists : consacrez du temps à soigner votre portfolio, le retour sur investissement en vaut clairement la peine. Pour en savoir plus sur les projets de portfolio et sur la manière d’entrer dans la data science, consultez les ressources suivantes :