【譯Py】2018年，這5個數據科學項目能幫你找到工作

08-09

來自專欄大數據分析挖掘34 人贊了文章

作者：呆鳥 Python愛好者社區專欄作者，未經容許，禁止轉載
簡書專欄：https://www.jianshu.com/u/be48b04ecc3e
堅持學習Python和English兩門語言，致力於讓讀譯文就像讀中文的呆鳥
標籤：數據預處理、數據科學、數據可視化、招聘、Jupyter、機器學習
原文作者：John Sullivan，數據科學博客DataOptimal的創始人，可以通過 @DataOptimal在Twitter上與他聯繫。

原文地址：5 Data Science Projects That Will Get You Hired in 2018

看了不少天善智能[1]的視頻課，讀了一堆數據科學的書，下一步你打算怎麼辦？

找個數據科學的工作不容易，不過我有個好主意能幫你找工作，這就是打造你自己的作品集，利用作品集展示你學到的技能，讓未來的老闆知道你有多大本事。

你可以把這5個數據科學項目放到作品集里，以此說明自己的能力：

數據清洗

數據科學家往往要耗費高達80%的時間來清理新項目的數據，這是數據科學團隊最大的痛點。如果能告訴他們你擁有豐富的數據清理經驗，你的價值馬上就能體現出來了。現在，找一些需要清理的數據集，創建一個數據清洗項目，開始數據清理吧。

Data Cleaning

用Python的話，Pandas絕對是首選，如果用的是R，可以使用dplyr這個包。記得要表現出以下幾項技能：

導入數據；
合併多個數據集；
檢測缺失值；
檢測異常值；
插入缺失值；
數據質量驗證。

探索性數據分析

數據科學的另一項重要工作是探索性數據分析（EDA，Exploratory Data Analysis ），它是提出問題、使用可視化方法研究問題的過程。探索性數據分析可以讓分析師通過數據得出結論，進而影響業務決策。這項工作可以是通過客戶細分得出洞察結果，也可以是分析季節因素對銷售趨勢的影響。一般來說，探索性數據分析會帶來一些讓人意想不到的發現。

鍵冬同學的PyEcharts-柱形圖

鍵冬同學的PyEcharts-地圖

鍵冬同學的PyEcharts-詞雲圖

Python用戶可以使用Pandas和Matplotlib（譯註：強烈推薦國內用戶使用鍵冬同學的PyEcharts，互動式的可視化圖，非常好用！)這兩個庫進行探索性數據分析。R用戶可以使用ggplot2這個包，也非常實用。探索性數據分析這個項目要展示出如下幾方面的技能：

能夠提出探索性的問題；
能夠識別趨勢；
能夠識別變數的共變性（covariation）；
能夠使用可視化（散點圖、直方圖，箱須圖等）有效地溝通分析結果。

互動式數據可視化

互動式數據可視化包括使用Dashboard這樣的工具。數據科學團隊和終端業務用戶都喜歡使用這些工具。數據科學團隊可以使用Dashboard進行協作，一起開展數據分析工作。更重要的是，Dashboard為終端業務用戶提供了互動式的工具，讓他們把精力放在戰略目標上，而不用關注過多的技術細節。很多時候，數據科學團隊提交給用戶的可交付成果都是以Dashboard這種形式體現的。

Python用戶可以使用Bokeh和Plotly，這兩個庫都是編製Dashboard的利器。R用戶則必選RStudio的Shiny包。Dashboard的項目一定要突出以下這些重要的技能。

列出客戶需求相關的指標；
提取有用的特徵；
使用有邏輯的布局，比如易於瀏覽的「F模式」；
創建最優的刷新率；
生成報告或其它自動化的操作。

機器學習

機器學習項目是你的作品集里另一項非常重要的內容。在你關掉這篇文章，開始構建深度學習項目前，不要著急，咱們先花一分鐘的時間回顧點兒基礎概念，就算要建立一個特別複雜的機器學習模型，也得先從基礎做起。我建議從線性回歸與邏輯斯蒂回歸做起，和高管溝通時，解釋這些模型也會相對容易一點。這個項目的重點應該是突出項目對業務的影響，比如客戶流失、欺詐監測，或貸款拖欠這些內容。提醒一下，別再用預測鳶尾花類型這樣的例子了，最好找些實用的數據項目。

Python用戶可以用 Scikit-learn這個機器學習庫，R用戶可以使用Caret這個包。機器學習項目要傳達給讀者你具有以下技能：

能夠說明選擇某個機器學習模型的原因；
能夠避免過擬合，將數據分割為訓練集與測試集（K折交叉驗證）；
能夠選擇正確的評估指標（AUC~Area Under Curve, 調整R方~Adj-R2, 混淆矩陣~confusion matrix）；
能夠開展特徵工程與選擇的能力；
能夠進行超參數調優。

溝通

溝通對於數據科學的重要性比你想的要大得多，能否有效地溝通、交流數據分析結果是區分牛X數據科學家和普通數據科學家的標準。不管你做的模型多花哨，如果不能給同事或客戶講清楚，不能讓他們理解，就沒人會買你的賬。幻燈片和筆記是超強大的溝通工具，你可以嘗試把機器學習項目改造成幻燈片，還可以使用Jupyter Notebook或RMarkdown輔助溝通。

記住，首先要搞清楚目標受眾是誰，給公司高管做彙報和給機器學習專家做演講完全是兩碼事兒。注意要突出以下這些能力：

搞清楚你的目標受眾是誰；
展示可視化圖；
幻燈片要清爽，不要塞進去太多信息；
陳述流程一定要流暢；
結合業務影響（比如減少成本、增加收入）說明分析結果。

使用Jupyter Notebook或RMarkdown文件記錄項目，也可以使用免費的Github Pages將Markdown文件轉化為靜態網頁。

完成上述五個項目，把它們加到你的作品集里，找工作時，把你的作品集展示給面試官，就能把他們都給震了。

保持積極的心態，不斷實踐各種數據科學項目，你就能在數據科學這條道路上不斷前進，最終找到一條屬於自己的路，並在這個領域佔據一席之地。順祝馬到成功，高薪在手！