Data science is een van de spannendste en snelstgroeiende vakgebieden van de afgelopen 10 jaar. Daardoor zijn er veel universitaire programma’s, data-science-bootcamps en online cursussen beschikbaar voor iedereen die het veld wil betreden. Deze programma’s zijn een uitstekende manier om de benodigde skills te leren, maar als het erop aankomt om daadwerkelijk een rol te bemachtigen, is het belangrijk om aan te tonen dat je over de juiste skillset beschikt, omdat veel werkgevers op zoek zijn naar praktische ervaring. Met een effectief portfolio kun je je potentiële werkgever laten zíen, in plaats van alleen te vertellen, dat je over de vaardigheden beschikt om te slagen in een data-sciencerol.
De meeste data scientists hebben tegenwoordig een portfolio, maar weinig vallen echt op. Als je portfolio te generiek oogt, geen interessante projecten bevat of uitleg mist, wordt het lastig voor je lezers om te volgen en betrokken te blijven. Om ervoor te zorgen dat je harde werk volledig wordt gewaardeerd door je publiek, vind je hier enkele eenvoudige tips om van een goed portfolio een uitzonderlijk portfolio te maken.
Waarom investeren in een data-scienceportfolio?
Als beginnende data scientist is er een duidelijke ‘waarom’ om in een portfolio te investeren: het helpt je een rol te bemachtigen door je skills te tonen, nog voordat een hiring manager je aan een technische test onderwerpt. Een nieuwe rol vinden is echter een externe beloning. Interne motivatie vinden is cruciaal, zodat de voldoening die je uit het bouwen van een portfolio haalt van jou afhangt, en niet van een sollicitatieproces dat je niet kunt controleren. Het zorgt er ook voor dat je portfolio oprechter aanvoelt en motiveert je om je beste werk te presenteren.
Hier zijn enkele belangrijke redenen waarom het de moeite waard is om een hoogwaardig portfolio op te bouwen.
Je droombaan bemachtigen
Een portfolio is vaak een belangrijk hulpmiddel in het sollicitatieproces voor data science. Technische hiring managers en data scientists die je interviewen, zullen het doornemen om je skills, ervaring en interesses te peilen en kunnen je er vragen over stellen.
Essentiële praktijkervaring opdoen
Hoewel het leren van de theorie achter een machinelearning-algoritme een essentiële stap is om in data science aan de slag te gaan, is de echte test het toepassen van de skills die je leert op een usecase. Werken aan een project van begin tot eind verankert wat je hebt geleerd en zorgt ervoor dat je er met zelfvertrouwen over kunt praten.
De datacommunity leren kennen
Data scientists kijken graag naar wat andere data scientists hebben gedaan. Er is niet één ‘juiste’ manier om alles te doen, en je project promoten en bespreken met de community is een geweldige manier om interessante oplossingen voor een probleem te ontwikkelen.
Je eigen plezier
Dit is een van de belangrijkste redenen om een portfolio te maken; data science is tenslotte leuk! Als je echt geniet van het project waar je aan werkt, motiveert dat je om je best te doen, en anderen zullen zich eerder herkennen in je passie.
Wat zijn de verschillende soorten portfolio-projecten
Portfolio-projecten gaan niet alleen over technische skills, zoals laten zien dat je kunt coderen. Contentgerichte projecten zijn ook een fantastische manier om je begrip van een onderwerp te tonen en je communicatievaardigheden te laten zien—key attributen waar interviewers naar zoeken. Sterker nog, elk technisch portfolioproject zou een duidelijke uitleg moeten hebben gericht op een niet-technisch publiek. Hieronder vind je enkele voorbeelden van verschillende soorten portfolio-projecten. Een combinatie van beide in je portfolio is essentieel om de veelzijdige skillset te laten zien die data-sciencerollen vaak vereisen.
Codegerichte projecten
Codegerichte projecten zijn het meest voorkomende type portfolioproject. In een notendop bootsen ze real-world data-scienceprojecten na door een dataset te nemen en er een probleem mee op te lossen. Voorbeelden van codegerichte projecten zijn:
- Een dataset scrapen en een analyse uitvoeren of een model trainen
- Een dashboard bouwen rond een specifieke dataset of topic
- Een website of app maken waarmee iemand kan interacteren.
- Data analyseren over een trending topic, zoals een populaire tv-show of nieuwsverhaal
Contentgerichte projecten
Contentgerichte projecten worden minder vaak gezien als portfolioprojecten, maar zijn érg effectief om je communicatie- en schrijfvaardigheden te tonen. Voorbeelden van contentgerichte projecten zijn
- Blogposts en codetutorials die concepten uitleggen voor andere data scientists of niet-technische doelgroepen
- Videotutorials die laten zien hoe een bepaalde tool werkt
- Deelname aan een podcast—of je eigen hosten waarin je data scientists en practitioners interviewt
7 manieren om een uitmuntend dataportfolio te maken
1. Wees authentiek en volg je passie
De beste portfolioprojecten zijn niet die met de nieuwste of meest complexe tools en modellen. De projecten die de meeste aandacht trekken, komen juist voort uit oprechte passie. Als je met veel moeite een dataset hebt gescrapet voor een specifieke taak, een meeslepend verhaal hebt geschreven of iets hebt gemaakt dat de wereld vertelt over jouw passie, dan zullen mensen dat herkennen. Nick Singh, co-auteur van Acing the Data Science Interview, gaat nog een stap verder in deze aflevering van DataFramed en suggereert dat passie voor je eigen werk zo aanstekelijk kan zijn dat hiring managers gaan geloven dat je gepassioneerd bent over alles wat met data science te maken heeft—inclusief hun bedrijf en de rol waarop je solliciteert.
Data-scienceportfolioprojecten zijn niet makkelijk om af te ronden. Je loopt tegen meerdere muren aan, je moet andere verplichtingen balanceren, en de laatste 10% afronden kan aanvoelen als het hele project nog eens doen. Werken aan iets waar je gepassioneerd over bent, helpt je door je struikelblokken heen en zorgt ervoor dat je een project maakt waar je trots op bent.
2. Vertel een verhaal
Tijd en passie in een project steken kan je een expert maken, maar het is belangrijk om ervoor te zorgen dat je lezers je reis van begin tot eind kunnen volgen met de content die je beschikbaar hebt gemaakt. Denk eraan dat veel mensen je portfolio bekijken zonder voorkennis van je projecten en zonder tijd voor extra research. Daarom is een beknopt maar pakkend verhaal essentieel in een portfolioproject. Of je het nu publiceert op de readme-pagina van een GitHub-repo of onder de titel van een dashboard: leg uit waarom de lezer interesse zou moeten hebben in je project, wat je motivatie is en de kernvraag die het beantwoordt. Dit is ook een manier om de aandacht van lezers te grijpen en ze naar je notebook, model of dashboard te trekken.
Een meeslepend verhaal is een van de belangrijkste onderdelen van een portfolio, omdat het je oprechte empathie, nieuwsgierigheid en passie laat zien. Lezers meenemen op een boeiende reis zorgt ervoor dat je projecten opvallen.
3. Laat je technische skills zien—maar vermijd scope creep
Een goed portfolioproject toont je technische skills, maar dat betekent niet dat je elke skill die je hebt moet inzetten. Als je bijvoorbeeld uren hebt besteed aan het ontwikkelen van een geavanceerde scrapingtool, hoef je de scope van je project niet verder uit te breiden om state-of-the-art modelleertechnieken te accommoderen.
Een goede aanpak is om je project rond één technisch domein te centreren en de fundamentals in de rest van je project toe te passen. Als het doel van je project bijvoorbeeld is om je vaardigheden in datacleaning en -verzameling te demonstreren, is het oké als je niet de best mogelijke voorspellingsnauwkeurigheid behaalt met de allernieuwste modellen. De scope beperken is een geweldige manier om een beknopt maar interessant verhaal te vertellen dat duidelijk verschillende aspecten van je technische skillset laat zien.
Nog een goede manier om je technische skills te tonen, is door ervoor te zorgen dat je code leesbaar en goed gedocumenteerd is. Zorg dat notebooks titels en uitleg hebben, en loop je code na om comments aan functies toe te voegen. Mensen die de tijd nemen om een notebook te bekijken, zullen comments en duidelijke variabelenamen waarderen.
4. Vermijd dertien-in-een-dozijnprojecten
Datasets zoals Titanic, MNIST of Iris kun je het beste vermijden als het kan. Het zijn geweldige datasets om van te leren en om modellen op te testen, maar ze worden extreem veel gebruikt door beginnende data scientists en online cursussen, tot het punt dat recruiters en hiring managers kunnen aannemen dat je veel eerder in je data-sciencejourney zit dan je in werkelijkheid bent. Bovendien helpen ze je niet om je passie voor data science en het type projecten dat je écht interessant vindt te laten zien.
Een vaak gedaan project in je portfolio laten zien is riskant. Veel mensen die je portfolio bekijken, hebben het project misschien zelf gedaan, waardoor ze hun interesse verliezen—zeker omdat er veel openbare tutorials over deze datasets bestaan.
5. Vergeet je soft skills niet
Goed verhalen vertellen is niet de enige ‘soft skill’ die je in een portfolioproject zou moeten overbrengen. Een complex probleem eenvoudig en beknopt uitleggen is een belangrijke vaardigheid voor elke werkplek—en een die je in je portfolioprojecten moet uitlichten. Bovendien kan je portfolio een kans zijn om bij te dragen aan de data-sciencecommunity en je lezers nieuwe skills te leren. Een andere eigenschap die essentieel is in data science is nieuwsgierigheid: het doorspitten van papers of blogposts is vaak nodig om oplossingen voor een specifiek probleem te vinden, en werkgevers zoeken daar actief naar.
Inzichten genereren uit nieuwe datasets en uitleggen hoe je de unieke uitdagingen in je portfolioproject hebt opgelost, zijn fantastische manieren om je nieuwsgierigheid en creativiteit te tonen; skills die moeilijk te leren zijn.
6. Ontwerp voor je lezers
De user experience van je lezers is net zo belangrijk voor je portfolio als voor elke app of website. Het is essentieel om lezers naar relevante informatie te leiden zonder ze te overweldigen, en tegelijk de mogelijkheid te bieden om dieper te duiken als ze dat willen.
Bezuinig niet op het design van je project: een in het oog springende uitstraling houdt de aandacht van de lezer vast en helpt je portfolio op te vallen. Een strak ogend portfolio kan zelfs lezers die niet bekend zijn met technische termen helpen om je verhaal te volgen. Bovendien kun je de stijl van je projectdesign gebruiken als template voor toekomstige projecten en eronderling naar linken om gebruikers naadloos naar meer van je content te leiden.
7. Breng je persoonlijke merk onder de aandacht
Je portfolio is niet de enige informatie die mensen over je kunnen vinden. Een simpele Google-zoekopdracht levert waarschijnlijk je LinkedIn-profiel, website, blog, GitHub en andere social media op. Zorg ervoor dat je uitstraling, schrijfstijl en content consistent zijn over deze kanalen en dat ze allemaal naar elkaar linken. Voeg links naar je portfolio toe in je e-mailhandtekening en op je cv. Een sterk persoonlijk merk helpt je op te vallen als individu. Een goed persoonlijk merk benadrukt je belangrijkste skill, je prestaties en laat mensen zien wat je doet.
Voorbeelden van een geweldig data-scienceportfolio
Ben je benieuwd hoe deze principes in de praktijk uitpakken—hier is een lijst met topklasse data-scienceportfolio’s en projecten om je door te laten inspireren:
Nikolaos Christoforidis: Passie voor sport
Het project van Nikolaos is vanaf het begin code-intensief en toont duidelijk zijn hoge vaardigheid met Pandas en Scikit-learn. Hij weet ook een boeiend notebook te maken door te werken met een dataset die voor een breed publiek herkenbaar is. Velen van ons zijn gepassioneerd door sport en tegenwoordig zijn er talloze interessante datasets beschikbaar. Een project over een sport kan gelijkgestemden makkelijk verleiden om tot het einde door te lezen, zeker als het een interessante dataset en vraagstuk combineert met coole visualisaties die elementen van de sport zelf vangen. Dit is ook een geweldige manier om ervoor te zorgen dat je passie helder doorklinkt in je werk, wat zelfs de interesse kan wekken van mensen die de sport niet volgen!
Yan Holtz: Fantastisch design
Zoek je inspiratie voor het design van je portfolio, zoek dan niet verder. Het design van Yans portfolio straalt zowel passie als finesse uit, vooral de animatie bovenaan de pagina die reageert op je muiscursor. Het is onmogelijk om niet door te scrollen tot je bij de projecten zelf komt. Elk project heeft een unieke visualisatie die je verder naar binnen trekt, terwijl klikken een bondige uitleg toont.
Samuel Verevis: Persoonlijkheid
Hoewel wijndatasets vaak voorkomen in portfolio’s, brengt Samuel iets totaal nieuws in het verhaal met humoristische sectietitels en uitzonderlijke visualisaties. De grafieken combineren coolness met helderheid en tonen een duidelijk begrip van hoe je een verhaal vertelt en een lezer geboeid houdt. Dit is een geweldige manier om authenticiteit, skills en passie te tonen—zelfs met een dataset die vaak in andere portfolioprojecten wordt gebruikt.
Philipp Schöttler: Viral gaan
Bitcoindata en boeiende portfolioprojecten; een match made in heaven. Phillipp is duidelijk gepassioneerd en deskundig over het onderwerp en heeft een grondige, interessante leeservaring over Bitcoin weten te maken, terwijl hij ook zijn diepgaande begrip van de financiele markten laat zien. Dit is een geweldig voorbeeld van hoe je content maakt over een populair onderwerp en toch waarde biedt voor uiteenlopende doelgroepen, zoals andere data scientists, investeerders, blockchainliefhebbers en mensen die willen leren.
Meer weten
Voorbeelden bekijken is geweldig voor inspiratie, en gidsen zoals deze kunnen je de juiste richting op sturen, maar het belangrijkste om te onthouden is dat je portfolio jou moet weerspiegelen—jouw skills, jouw interesses en jouw persoonlijkheid. Dit is tenslotte jouw data-sciencejourney. Je vindt hieronder meer resources die je door je journey heen kunnen begeleiden:
