La data science è uno dei campi più entusiasmanti e in rapida crescita degli ultimi 10 anni. Di conseguenza, sono disponibili molti programmi universitari, bootcamp di data science e corsi online per chiunque voglia entrare nel settore. Questi programmi sono un ottimo modo per apprendere le competenze necessarie, ma quando si tratta di ottenere davvero un ruolo, è importante dimostrare di avere il giusto set di competenze, dato che molti datori di lavoro cercano esperienza pratica. Un portfolio efficace ti permetterà di mostrare — anziché raccontare — al tuo potenziale datore di lavoro che hai la padronanza necessaria per avere successo in un ruolo di data science.
Oggi la maggior parte dei data scientist ha un portfolio, ma pochissimi spiccano. Se il tuo portfolio è troppo generico, non contiene progetti interessanti o manca di spiegazioni, può essere difficile per chi legge seguirti e mantenere l’interesse. Per fare in modo che il tuo lavoro venga apprezzato appieno dal tuo pubblico, ecco alcuni semplici consigli per trasformare un buon portfolio in uno eccezionale.
Perché investire in un portfolio di data science?
Come aspirante data scientist, c’è un motivo ovvio per investire in un portfolio: aiutarti a ottenere un ruolo dimostrando le tue competenze, anche prima che un responsabile delle assunzioni ti sottoponga a un test tecnico. Tuttavia, trovare un nuovo ruolo è una ricompensa esterna. Trovare una motivazione interna è fondamentale, così che la soddisfazione derivante dallo sviluppo di un portfolio dipenda da te, invece che da un processo di selezione che non puoi controllare. Inoltre, aiuterà il tuo portfolio a risultare più autentico e ti motiverà a presentare il meglio del tuo lavoro.
Ecco alcune ragioni chiave per cui costruire un portfolio di alta qualità vale il tuo tempo.
Ottenere il tuo ruolo dei sogni
Un portfolio è spesso uno strumento chiave nel processo di selezione in data science. I responsabili tecnici delle assunzioni e i data scientist che ti intervistano lo esamineranno per valutare le tue competenze, esperienze e interessi, e potrebbero farti domande a riguardo.
Darti un’esperienza pratica essenziale
Imparare la teoria dietro a un algoritmo di machine learning è un passaggio fondamentale per entrare nella data science, ma la vera prova è applicare le competenze apprese a un caso d’uso. Portare a termine un progetto nella sua interezza consoliderà ciò che hai imparato e ti permetterà di parlarne con sicurezza.
Conoscere la community dei dati
Ai data scientist piace vedere cosa hanno fatto altri data scientist. Non esiste un unico “modo giusto” per fare tutto, e promuovere e discutere il tuo progetto con la community è un ottimo modo per sviluppare soluzioni interessanti a un problema.
Il tuo stesso divertimento
Questa è una delle ragioni più importanti per creare un portfolio; dopotutto, la data science è divertente! Se ti piace davvero il progetto su cui stai lavorando, sarai motivato a dare il massimo, e gli altri saranno più propensi a entrare in sintonia con la tua passione.
Quali sono i diversi tipi di progetti per il portfolio
I progetti da portfolio non riguardano solo le competenze tecniche, come dimostrare la tua capacità di programmare. Anche i progetti basati sui contenuti sono un ottimo modo per mostrare la tua comprensione di un argomento e le tue capacità di comunicazione, che sono attributi chiave ricercati durante i colloqui. In effetti, ogni progetto tecnico del portfolio dovrebbe avere una spiegazione chiara, pensata per un pubblico non tecnico. Di seguito trovi alcuni esempi dei diversi tipi di progetti da includere nel portfolio. Avere una combinazione di entrambi nel tuo portfolio è essenziale per dimostrare il set di competenze a tutto tondo che spesso richiedono i ruoli di data science.
Progetti basati sul codice
I progetti basati sul codice sono il tipo più comune di progetto da portfolio. In poche parole, replicano progetti di data science del mondo reale prendendo un dataset e risolvendo un problema correlato. Esempi di progetti basati sul codice includono:
- Fare scraping di un dataset ed eseguire un’analisi o addestrare un modello
- Creare una dashboard attorno a uno specifico dataset o argomento
- Creare un sito web o un’app con cui qualcuno possa interagire.
- Analizzare dati su un tema di tendenza come una serie TV popolare o una notizia
Progetti basati sui contenuti
I progetti basati sui contenuti sono meno comuni come progetti da portfolio, ma sono estremamente efficaci nel mostrare le tue capacità di comunicazione e scrittura. Esempi di progetti basati sui contenuti includono
- Post sul blog e tutorial di coding che spiegano concetti ad altri data scientist o a pubblici non tecnici
- Video tutorial che mostrano come funziona un determinato strumento
- Partecipare a un podcast — o ospitarne uno tuo in cui intervisti data scientist e professionisti
7 modi per creare un data portfolio straordinario
1. Sii autentico e segui la tua passione
I migliori progetti da portfolio non sono quelli che usano gli strumenti o i modelli più recenti o complessi. Piuttosto, quelli che attirano maggiormente l’attenzione nascono da una passione autentica. Se hai faticosamente fatto scraping di un dataset per un compito specifico, scritto una storia avvincente o creato qualcosa che racconta al mondo la tua passione, le persone lo riconosceranno. Nick Singh, coautore di Acing the Data Science Interview, fa un passo in più in questo episodio di DataFramed e suggerisce che la passione per il tuo lavoro può essere così contagiosa da far credere ai responsabili delle assunzioni che tu sia appassionato di tutto ciò che riguarda la data science, inclusa la loro azienda e il ruolo per cui ti candidi.
I progetti di portfolio in data science non sono facili da portare a termine. Inciamperai più volte, dovrai conciliare altri impegni e completare l’ultimo 10% può sembrare di rifare tutto il progetto da capo. Lavorare su qualcosa che ti appassiona ti aiuterà a superare le difficoltà e a creare un progetto di cui andare fiero.
2. Racconta una storia
Dedicare tempo e passione a un progetto può renderti esperto, ma è importante assicurarsi che chi legge riesca a seguire il tuo percorso dall’inizio alla fine attraverso i contenuti che hai reso disponibili. Ricorda: molte persone guarderanno il tuo portfolio senza conoscere in anticipo i tuoi progetti e senza il tempo di fare ricerche extra. Per questo, una storia concisa ma avvincente è essenziale in un progetto da portfolio. Che tu la pubblichi nella pagina readme di un repository GitHub o sotto il titolo di una dashboard, assicurati di spiegare perché il lettore dovrebbe interessarsi al tuo progetto, la tua motivazione e la domanda centrale a cui risponde. Questo serve anche a catturare l’attenzione e a indirizzare i lettori verso il tuo notebook, modello o dashboard.
Una storia convincente è una delle parti più importanti di un portfolio, perché mostra la tua empatia genuina, curiosità e passione. Accompagnare i lettori in un percorso coinvolgente farà risaltare i tuoi progetti.
3. Metti in mostra le tue competenze tecniche — ma evita lo scope creep
Un buon progetto da portfolio dimostra le tue competenze tecniche, ma questo non significa che tu debba applicare ogni singola abilità che possiedi. Per esempio, se hai passato ore a sviluppare uno strumento avanzato di scraping, non devi allargare ulteriormente il perimetro del progetto per includere tecniche di modellazione all’avanguardia.
Un buon approccio è incentrarlo su un dominio tecnico e applicare i fondamentali nel resto del progetto. Se lo scopo è dimostrare le tue capacità di pulizia e raccolta dei dati, per esempio, va bene se non ottieni la massima accuratezza predittiva possibile usando i modelli più all’avanguardia. Limitare l’ambito del progetto è un ottimo modo per raccontare una storia concisa ma interessante che dimostri chiaramente diverse sfaccettature del tuo bagaglio tecnico.
Un altro ottimo modo per mettere in mostra le tue competenze tecniche è assicurarti che il tuo codice sia leggibile e ben documentato. Assicurati che i notebook abbiano titoli e spiegazioni, e passa in rassegna il codice aggiungendo commenti alle funzioni. Chi si prenderà il tempo di esaminare un notebook noterà i commenti e i nomi di variabili chiari.
4. Evita i progetti “cookie-cutter”
Dataset come Titanic, MNIST o Iris andrebbero evitati se possibile. Sono ottimi per imparare e testare modelli, ma sono usatissimi da chi è alle prime armi e dai corsi online, al punto che recruiter e responsabili delle assunzioni potrebbero pensare che tu sia molto più all’inizio del tuo percorso di quanto non sia in realtà. Inoltre, non ti aiutano a mostrare la tua passione per la data science e il tipo di progetti che ti interessano davvero.
Mostrare nel tuo portfolio un progetto fatto da molti è rischioso. Molti di coloro che lo esamineranno potrebbero averlo già svolto, e questo può far perdere loro interesse — soprattutto visto che esistono molti tutorial pubblici su questi dataset.
5. Non trascurare le soft skill
Un ottimo storytelling non è l’unica “soft skill” che dovresti cercare di trasmettere in un progetto da portfolio. Spiegare un problema complesso in modo semplice e conciso è una competenza importante in qualsiasi contesto lavorativo — e una che dovrebbe emergere nei tuoi progetti. Inoltre, il tuo portfolio può essere l’occasione per contribuire alla community della data science e insegnare nuove competenze a chi ti legge. Un altro attributo essenziale nella data science è la curiosità: spesso per trovare soluzioni a un problema specifico serve scavare tra paper o post, e i datori di lavoro cercano proprio questo.
Generare insight da dataset inediti e spiegare come hai risolto le sfide uniche incontrate nel tuo progetto sono ottimi modi per dimostrare curiosità e creatività; competenze difficili da imparare.
6. Progetta pensando ai tuoi lettori
L’esperienza utente dei tuoi lettori è importante per il tuo portfolio quanto lo è per qualsiasi app o sito web. È fondamentale guidarli verso le informazioni rilevanti senza sovraccaricarli, offrendo al contempo la possibilità di approfondire se lo desiderano.
Non lesinare sul design del progetto: un’estetica accattivante terrà viva l’attenzione e aiuterà il tuo portfolio a distinguersi. Un portfolio pulito può persino aiutare chi non ha familiarità con la terminologia tecnica a seguire la tua storia. Inoltre, puoi adattare lo stile di design del progetto come template per i lavori futuri e collegarli tra loro per guidare senza soluzione di continuità gli utenti verso altri tuoi contenuti.
7. Fai marketing del tuo personal brand
Il tuo portfolio non è l’unica informazione che le persone possono trovare su di te. Una semplice ricerca su Google probabilmente mostrerà il tuo profilo LinkedIn, il sito, il blog, GitHub e altri social. Vuoi assicurarti che la tua immagine, lo stile di scrittura e i contenuti siano coerenti su questi canali e che si rimandino a vicenda. Ricordati di includere i link al tuo portfolio nella firma email e nel tuo CV o resume. Un personal brand forte ti aiuta a distinguerti come individuo. Un buon personal brand dovrebbe mettere in evidenza le tue competenze chiave, i tuoi risultati e mostrare cosa fai.
Esempi di un ottimo portfolio di data science
Se ti interessa vedere come questi principi si applicano in pratica — ecco un elenco di portfolio e progetti di data science di alto livello da cui trarre ispirazione:
Nikolaos Christoforidis: Passione per lo sport
Il progetto di Nikolaos è ricco di codice fin dall’inizio e mostra chiaramente l’alta padronanza di Pandas e Scikit-learn. Inoltre, rende il notebook coinvolgente lavorando su un dataset familiare a un pubblico generale. Molti di noi sono appassionati di sport e oggi esiste una grande quantità di dataset interessanti disponibili. Un progetto sullo sport può facilmente attirare persone con gli stessi interessi fino alla fine della lettura, soprattutto se combina un dataset e una domanda interessanti con visualizzazioni accattivanti che catturano elementi dello sport stesso. È anche un ottimo modo per far emergere chiaramente la tua passione nel lavoro, capace di interessare persino chi non segue quello sport!
Yan Holtz: Design fantastico
Se cerchi ispirazione per il design del tuo portfolio, non andare oltre. Il design del portfolio di Yan trasuda passione ed eleganza, in particolare l’animazione in cima alla pagina che reagisce al movimento del mouse. È impossibile non continuare a scorrere fino ad arrivare ai progetti. Ogni progetto ha una visualizzazione unica che ti cattura ulteriormente, mentre un clic apre una spiegazione sintetica.
Samuel Verevis: Personalità
portfolio, Samuel porta qualcosa di completamente nuovo alla storia con titoli di sezione ironici ed eccezionali visualizzazioni. I grafici qui uniscono stile e chiarezza, dimostrando una chiara comprensione di come raccontare una storia e mantenere vivo l’interesse del lettore. È un ottimo modo per mostrare autenticità, competenze e passione, anche con un dataset spesso utilizzato in altri progetti da portfolio.Philipp Schöttler: Andare virale
Dati su Bitcoin e progetti di portfolio coinvolgenti: un’accoppiata perfetta. Phillipp è chiaramente appassionato e competente sull’argomento ed è riuscito a produrre una lettura approfondita e interessante su Bitcoin mostrando al contempo una profonda comprensione dei mercati finanziari. È un grande esempio di come creare contenuti su un tema popolare offrendo comunque valore a un ampio pubblico, come altri data scientist, investitori, appassionati di blockchain e persone che vogliono imparare.
Per saperne di più
Guardare esempi è ottimo per l’ispirazione, e leggere guide come questa può aiutarti a imboccare la strada giusta, ma la cosa più importante da ricordare è che il tuo portfolio dovrebbe riflettere te — le tue competenze, i tuoi interessi e la tua personalità. Dopotutto, questo è il tuo percorso nella data science. Qui sotto trovi altre risorse per accompagnarti lungo il cammino:
