Perché avere un progetto per il portfolio?
Trovare il tempo e la motivazione per lavorare a progetti personali può essere una sfida. Tuttavia, che tu abbia un lavoro a tempo pieno, sia autonomo o stia cercando lavoro, bilanciare la tua vita professionale con la passione per la creazione di progetti di data science può essere molto gratificante. Di seguito trovi alcuni motivi chiave per cui vale la pena investire tempo ed energie nella creazione di un portfolio di data science. Se vuoi approfondire perché è importante creare progetti per il portfolio, le buone pratiche e alcuni esempi, assicurati di leggere questo articolo.
Sviluppare e affinare le tue competenze
Imparare a programmare, costruire modelli, migliorarne l’accuratezza e distribuirli in produzione sono tutte fasi del flusso di lavoro in data science. Queste competenze sono molto richieste e creare progetti per il portfolio è un ottimo modo per affinarle e consolidare le tue conoscenze nelle aree che ti interessano. Inoltre, i progetti per il portfolio ti permettono di sviluppare abilità che non sono perfettamente in linea con il tuo background, il tuo lavoro o la tua specializzazione. Se ti occupi di natural language processing, costruire side project di computer vision porterà le tue competenze a un livello superiore. Le possibilità sono infinite.
Mostrare la tua esperienza ai recruiter
Immagina che due junior data scientist si presentino a un recruiter: il primo dice "Conosco Python, Machine Learning e MLOps", mentre il secondo dice "Conosco tutto questo e ho applicato le mie conoscenze in un progetto in cui ho fatto web scraping dei dati, applicato un modello di machine learning e distribuito il tutto come web app". È chiaro quale candidato colpirà di più. I progetti per il portfolio possono attestare la tua legittimità come Data Scientist. Più il tuo portfolio è vario, più potrai mostrare un’ampia gamma di competenze tecniche di cui parlare con recruiter e hiring manager.
Dimostrare le tue soft skill
Creare un portfolio di progetti di data science dimostra costanza, perseveranza, attenzione ai dettagli e la volontà di imparare e migliorare continuamente. Queste soft skill sono fondamentali in molti ambiti professionali, e la data science non fa eccezione. Ancora più importante, se affianchi ai progetti tecnici anche progetti basati sui contenuti, potrai mettere in luce le tue capacità di comunicazione e di data storytelling, che ti faranno emergere ulteriormente come data scientist.
Fare il primo passo verso l’imprenditorialità
Tra un side project e l’imprenditorialità c’è un solo passo: tuffarsi nell’avventura a tempo pieno. Numerose iniziative sono diventate startup da milioni di dollari. Inoltre, i progetti per il portfolio sono anche un ottimo modo per iniziare a lavorare come data scientist freelance. Per saperne di più su come diventare un data scientist freelance, leggi la parte 1 e la parte 2 della nostra guida per diventare freelance.
5 luoghi dove ospitare il tuo portfolio di data science
Condividere i tuoi progetti con la community di data science contribuisce alla base di conoscenza comune, invita alla collaborazione, aiuta a costruire il tuo brand e ti coinvolge in una conversazione più ampia. Per questo è importante comunicare i tuoi progetti e assicurarti che siano visibili al maggior numero di persone. Esistono molte opzioni per ospitare il tuo portfolio di data science, ma questi sono alcuni dei migliori strumenti e piattaforme per mostrarlo online.
1. DataLab
DataLab è un notebook collaborativo basato sul cloud che ti permette di analizzare dati, collaborare con altri e pubblicare analisi all’istante. Creato da DataCamp, ti consente di scrivere codice, analizzare dati e condividere insight direttamente dal browser. Offre oltre 40 dataset pre-caricati da analizzare, oltre a esempi di codice pre-scritti tramite template di playbook. DataLab supporta R, Python e SQL ed è disponibile su qualsiasi sistema operativo. Non richiede installazione né download. Dopo aver creato i tuoi progetti, puoi condividere il link al tuo profilo DataCamp così che siano accessibili subito. Alcuni esempi di progetti di alta qualità ospitati su DataLab sono
2. Kaggle
Kaggle è una piattaforma community online per data scientist e appassionati di machine learning. Ti permette di collaborare con altri data scientist, trovare e pubblicare dataset, pubblicare notebook e competere con altri data scientist per risolvere sfide di data science. Sono disponibili molti dataset per chi vuole implementare i propri algoritmi. Il vantaggio di questa piattaforma è che i dati sono relativamente ben strutturati e ripuliti. È quindi un ottimo punto di partenza per farsi un’idea del lavoro su progetti di data science. Dopo la registrazione, puoi esplorare le diverse competizioni in corso in varie categorie:
- Competizioni di lunga durata per principianti: sono una grande risorsa per iniziare. Puoi applicare le tue conoscenze e usarle per mettere in pratica ciò che hai imparato.
- Competizioni a tempo per gadget o fama: sono un livello sopra la difficoltà per principianti.
- Competizioni a tempo con premi: possono essere più impegnative. Di solito sono sponsorizzate da organizzatori esterni come Netflix, Google e altri.
Partecipare a queste competizioni è un ottimo modo per sviluppare e migliorare le tue competenze e accrescere le tue abilità tecniche. Per mostrare il tuo lavoro, dovrai avere un notebook (Kernel) che spieghi in dettaglio tutti gli aspetti del tuo progetto in modo che il maggior numero possibile di persone possa capirlo.
Poiché la piattaforma è nota per l’alto numero di partecipanti, per un principiante potrebbe non essere facile vincere premi. Tuttavia, partecipare alle competizioni e pubblicare notebook ti permette di sviluppare competenze, accumulare punti e quindi salire in classifica. È facile immaginare che raggiungere il grado massimo di Grandmaster su Kaggle possa aprire molte porte nella tua carriera di data scientist. Puoi leggere questa guida completa su Kaggle per maggiori informazioni. Alcuni ottimi notebook ospitati su Kaggle sono elencati qui sotto:
3. GitHub
A grandi linee, GitHub è un sito web e un servizio cloud che consente agli sviluppatori di archiviare e gestire i propri repository di codice e di tenere traccia e monitorare le modifiche. Per capire cos’è GitHub, devi conoscere due concetti correlati: il controllo di versione e Git, che ti aiutano a registrare nel tempo le modifiche ai progetti per poter richiamare in seguito versioni specifiche. Puoi consultare questa guida per saperne di più su Git. La piattaforma permette agli utenti di collaborare a progetti open-source o pubblicarli, effettuare fork e condividere codice e tracciare issue. Creare un account GitHub e ospitare il tuo portfolio usando le GitHub Pages è semplice e gratuito. Segui questi passaggi:
- Crea un account su GitHub.
- Impara a usare Git e GitHub. Puoi trovare spiegazioni dettagliate e un tutorial per capire Git e GitHub seguendo questo tutorial o il corso Introduction to Git.
- Carica il tuo sito su GitHub Pages replicando questi passaggi:
- Apri GitHub e crea un nuovo repository pubblico chiamato username.github.io, dove username è il tuo username (o il nome dell’organizzazione) su GitHub.
- Se non hai familiarità con i comandi Git, puoi semplicemente scaricare GitHub Desktop per usare Git e GitHub su macOS e Windows.
- Dopo aver completato l’installazione, vai su GitHub.com e aggiorna la pagina. Clicca sul pulsante "Set up in Desktop". Quando si apre l’app GitHub Desktop, salva il progetto.
- Apri il tuo editor di testo e crea un index.html per il tuo progetto.
- Esegui il commit delle modifiche e premi publish.
- Dai un tema al tuo sito web: un tema Bootstrap o un template HTML/CSS andranno bene, ma un tema WordPress no.
Un modo efficace per presentare i tuoi progetti è usare piattaforme come GitHub. Dopo aver creato il tuo account GitHub, puoi iniziare a pubblicarvi i tuoi progetti. In GitHub, ciascun progetto deve avere un file README.md facilmente leggibile dagli utenti. Spesso i coder lo dimenticano, eppure è fondamentale. Se non hai un README.md, per chi legge è molto più difficile capire di cosa tratta il progetto. Di seguito alcuni esempi di portfolio su GitHub Pages
4. Sito personale
Avere un blog o un sito personale è anche un ottimo modo per centralizzare i tuoi progetti, soprattutto perché è relativamente semplice mettere online un sito senza spendere un grande budget. Se scegli questa strada, WordPress è un ottimo punto di partenza, anche se un altro CMS come Strikingly o Wix va benissimo. Anche se può essere più difficile attirare visitatori rispetto a ospitare il progetto su un sito come DataLab o Kaggle, avere un tuo sito ti offre maggiore controllo e possibilità di personalizzazione. Inoltre, se lavori sodo sull’ottimizzazione SEO, puoi posizionarti piuttosto in alto nelle ricerche su Google.
5. Medium (e social network)
È importante comunicare il più possibile sui tuoi progetti. Per i progetti di portfolio basati sui contenuti, oltre al tuo sito personale ci sono piattaforme di blogging che puoi utilizzare. Medium è una delle migliori piattaforme per raggiungere un pubblico più ampio con i tuoi progetti. Inoltre, pubblicare sui social network come Quora, LinkedIn, Twitter e Reddit può rafforzare la tua credibilità come data scientist e dare maggiore visibilità ai tuoi progetti.
Per saperne di più
Avere un solido portfolio di data science può fare la differenza. È un’opportunità per acquisire e imparare nuove capacità, oltre a valorizzare e migliorare quelle esistenti. Lavorare su progetti per il portfolio può permetterti di sviluppare nuove competenze, attirare l’attenzione dei recruiter e potenzialmente generare fonti di reddito aiutandoti a iniziare il tuo percorso da freelance. Mostrare ai recruiter i progetti su cui hai lavorato ti differenzierà dagli altri data scientist, quindi dedica tempo a perfezionare il tuo portfolio: il ritorno sull’investimento ripagherà sicuramente lo sforzo. Per approfondire i progetti per il portfolio e come entrare nel mondo della data science, dai un’occhiata alle seguenti risorse:
