Waarom een portfolioproject?
Tijd en motivatie vinden voor persoonlijke projecten kan een uitdaging zijn. Maar of je nu fulltime werkt, zzp’er bent of werk zoekt, het is de moeite waard om je professionele leven te combineren met je passie voor het bouwen van data science-projecten. Hieronder staan enkele belangrijke redenen waarom je tijd en energie zou moeten investeren in het opbouwen van een data science-portfolio. Wil je meer lezen over waarom portfolioprojecten belangrijk zijn, plus best practices en voorbeelden, bekijk dan dit artikel.
Vaardigheden opbouwen en aanscherpen
Leren programmeren, modellen bouwen, modelnauwkeurigheid verbeteren en modellen deployen: het hoort allemaal bij de data science-workflow. Deze vaardigheden zijn zeer gewild, en portfolioprojecten zijn een geweldige manier om je skills te verfijnen en je kennis te verdiepen in je interessegebieden. Bovendien kun je met portfolioprojecten vaardigheden opbouwen die niet precies aansluiten bij je achtergrond, baan of specialisme. Als je je specialiseert in natural language processing toepassingen, tillen computer vision-sideprojects je vaardigheden naar een hoger niveau. De mogelijkheden zijn eindeloos.
Je ervaring tonen aan recruiters
Stel je voor: twee junior data scientists staan voor een recruiter; de eerste zegt: "Ik ken Python, Machine Learning en MLOps," maar de tweede zegt: "Dat ken ik ook, en ik heb mijn kennis toegepast in dit project waarin ik data heb gescrapet, er een machine learning-model op heb toegepast en het als webapp heb gedeployed." Het is duidelijk welke kandidaat het meest opvalt. Portfolioprojecten kunnen je legitimiteit als data scientist onderstrepen. Hoe gevarieerder je portfolio, hoe meer uiteenlopende technische skills je kunt laten zien waar je met recruiters en hiring managers over kunt praten.
Je soft skills aantonen
Een data science-projectportfolio laat consistentie, doorzettingsvermogen, oog voor detail en leergierigheid zien. Deze soft skills zijn in veel vakgebieden belangrijk, en data science vormt daarop geen uitzondering. Nog belangrijker: als je technische portfolioprojecten aanvult met contentprojecten, kun je je communicatie- en data storytelling-vaardigheden laten zien, wat je als data scientist extra onderscheidt.
Je eerste stap richting ondernemerschap
Tussen een sideproject en ondernemerschap zit maar één stap: er fulltime voor gaan. Tal van avonturen werden miljoenendollar-startups. Bovendien zijn portfolioprojecten ook een goede manier om te beginnen als freelance data scientist. Wil je meer weten over starten als freelancer, lees dan deel 1 en deel 2 van onze gids voor freelance data scientists.
5 plekken om je data science-portfolio te hosten
Je projecten delen met de data science-community draagt bij aan de gezamenlijke kennis, nodigt uit tot samenwerking, helpt je merk op te bouwen en betrekt je bij het grotere gesprek. Daarom is het goed om over je projecten te communiceren en ervoor te zorgen dat ze voor zoveel mogelijk mensen zichtbaar zijn. Er zijn genoeg opties om je data science-portfolio te hosten, maar dit zijn enkele van de beste tools en platforms om je portfolio online te laten zien.
1. DataLab
DataLab is een collaboratieve cloudgebaseerde notebook waarmee je data kunt analyseren, met anderen kunt samenwerken en je analyses direct kunt publiceren. Gemaakt door DataCamp, stelt het je in staat om code te schrijven, data te analyseren en je inzichten rechtstreeks vanuit je browser te delen. Het biedt 40+ vooraf geladen datasets om te analyseren, plus voorbeelcode via playbook-sjablonen. DataLab ondersteunt R, Python en SQL en is beschikbaar op elk besturingssysteem. Installatie of downloads zijn niet nodig. Nadat je je projecten hebt gemaakt, kun je de link naar je DataCamp-profiel delen zodat mensen er direct toegang toe hebben. Enkele voorbeelden van hoogwaardige projecten die op DataLab worden gehost, zijn
2. Kaggle
Kaggle is een online communityplatform voor data scientists en machine learning-enthousiastelingen. Je kunt er samenwerken met andere data scientists, datasets vinden en publiceren, notebooks publiceren en meedoen aan wedstrijden om data science-uitdagingen op te lossen. Er zijn veel datasets beschikbaar voor wie zijn algoritmen wil toepassen. Het voordeel van dit platform is dat de data relatief goed gestructureerd en opgeschoond is. Het is daarom een uitstekende plek om te beginnen en gevoel te krijgen voor het werken aan data science-projecten. Na registratie kun je de verschillende lopende competities in meerdere categorieën bekijken:
- Langlopende competities voor beginners zijn een geweldige start. Je kunt je kennis toepassen en gebruiken om te oefenen wat je hebt geleerd.
- Tijdgebonden competities voor swag of roem zijn een stapje boven beginniveau.
- Tijdgebonden competities met prijzengeld kunnen uitdagender zijn. Ze worden meestal gesponsord door externe organisatoren zoals Netflix, Google en meer.
Deelnemen aan deze competities is een geweldige manier om je te ontwikkelen, je vaardigheden te verbeteren en je technische capaciteiten te laten groeien. Om je werk te laten zien, heb je een notebook (Kernel) nodig waarin je project tot in detail wordt uitgelegd, zodat zoveel mogelijk mensen het kunnen begrijpen.
Omdat het platform bekendstaat om het hoge aantal deelnemers, lijkt het voor een beginner misschien niet makkelijk om prijzen te winnen. Toch kun je door deel te nemen aan competities en notebooks te publiceren je vaardigheden ontwikkelen, punten verzamelen en zo stijgen in de rangen. Het is niet moeilijk voor te stellen dat het behalen van de hoogste rang, Grandmaster, op Kaggle deuren kan openen in je carrière als data scientist. Je kunt deze complete gids over Kaggle lezen voor meer informatie. Enkele sterke notebooks die op Kaggle gehost worden, vind je hieronder:
3. GitHub
Op hoofdlijnen is GitHub een website en clouddienst waarmee developers hun coderepositories kunnen opslaan en beheren, en wijzigingen kunnen bijhouden en monitoren. Om te begrijpen wat GitHub is, moet je twee verwante principes kennen: versiebeheer en Git, die je helpen wijzigingen in je projecten in de tijd vast te leggen zodat je later specifieke versies kunt terughalen. Bekijk deze gids om meer over Git te leren. Het platform stelt gebruikers in staat om samen te werken aan of open-sourceprojecten te publiceren, code te forken en te delen, en issues te tracken. Een GitHub-account aanmaken en je portfolio hosten via GitHub Pages is eenvoudig en gratis. Volg gewoon deze stappen:
- Maak een GitHub-account aan.
- Leer hoe je Git en GitHub gebruikt. Je vindt uitgebreide uitleg en een tutorial voor beginners in deze tutorial of de cursus Introduction to Git.
- Upload je site naar GitHub Pages door deze stappen te volgen:
- Open GitHub en maak een nieuwe publieke repository aan met de naam username.github.io, waarbij username je gebruikersnaam (of organisatienaam) op GitHub is.
- Als je niet bekend bent met Git-commando’s, kun je eenvoudig GitHub Desktop downloaden om Git en GitHub op macOS en Windows te gebruiken.
- Na de installatie ga je naar GitHub.com en ververs je de pagina. Klik op de knop "Set up in Desktop". Wanneer de GitHub Desktop-app opent, sla je het project op.
- Open je teksteditor en maak een index.html voor je project.
- Commit je wijzigingen en klik op publish.
- Geef je website een thema—Een Bootstrap-thema of een HTML/CSS-sjabloon werkt, maar een WordPress-thema niet.
Een effectieve manier om je projecten te delen, is via platforms zoals GitHub. Nadat je je GitHub-account hebt aangemaakt, kun je daar je projecten posten. In GitHub moet elk project een README.md-bestand hebben dat je gebruikers gemakkelijk kunnen lezen. Dit wordt vaak vergeten door coders, maar is cruciaal. Zonder README.md is het voor de lezer veel lastiger te begrijpen waar het project over gaat. Hieronder staan voorbeelden van GitHub Pages-portfolio’s:
4. Persoonlijke website
Een blog of persoonlijke website is ook een uitstekende manier om je projecten te centraliseren, zeker omdat het relatief eenvoudig is om met een beperkt budget een site op te zetten. Kies je voor deze route, dan is WordPress een goed startpunt, al voldoen andere CMS’en zoals Strikingly of Wix ook prima. Hoewel het lastiger kan zijn om bezoekers naar je project te trekken dan wanneer je het host op een site als DataLab of Kaggle, biedt het hosten van je eigen site meer controle en maatwerk. Bovendien kun je, als je veel aandacht besteedt aan SEO, vrij hoog in Google verschijnen.
5. Medium (en sociale netwerken)
Het is belangrijk om zo veel mogelijk over je projecten te communiceren. Voor contentgerichte portfolioprojecten zijn er blogplatforms die je naast je eigen website kunt gebruiken. Medium is een van de beste platforms om met je projecten een breder publiek te bereiken. Daarnaast kunnen posts op sociale netwerken zoals Quora, LinkedIn, Twitter en Reddit je legitimiteit als data scientist versterken en je projecten meer zichtbaarheid geven.
Meer leren
Een solide data science-portfolio kan een gamechanger zijn. Het is een kans om nieuwe vaardigheden op te doen en bestaande te benutten en te verbeteren. Door portfolioprojecten na te streven kun je nieuwe skills ontwikkelen, de aandacht van recruiters trekken en mogelijk nieuwe inkomstenbronnen aanboren door je freelancepad te starten. Projecten waar je aan hebt gewerkt aan recruiters laten zien, onderscheidt je van andere data scientists, dus besteed tijd aan het aanscherpen van je portfolio—de return on investment is het zeker waard. Voor meer over portfolioprojecten en je entree in data science, bekijk de volgende resources:
