想要找到好工作，掌握这五类数据科学技能

也许你一直在学习数据科学，也熟读了一大堆教科书，但要获得数据科学相关的职位，你还需要向雇主展示自己的技能水平。最好的方式是作品集，你可以借此向雇主表明你所一直学习的技能能够用于工作中，为公司创造价值。

要展示自身技能，这5种类型的数据科学项目可供参考：

1、数据清理

在一个项目中，数据科学家往往需要花费高达80%的时间来清理数据。对于团队来说，这是一个巨大的痛点。如果你能证明你在清理数据方面经验丰富，那么你就会显得非常有价值。创建数据清理项目，寻找一些脏乱的数据集，然后就可以开始清理了。

如果你常用Python，Pandas是一个很好的库;如果你常用R，可以使用dplyr包。确保展示以下技能：

• 导入数据
• 加入多个数据集
• 检测缺失值
• 检测异常
• 输入缺失值
• 数据质量保证

2、探索性数据分析

数据科学的另一个重要方面是探索性数据分析(EDA)。这是生成问题的过程，包括使用可视化对其进行调查。EDA允许分析师从数据中得出结论以推动业务影响。它可能包括基于客户群体的有趣洞察，或基于季节性影响的销售趋势。通常，你可以获得一些并非出于初始动机的有趣发现。

用于探索性分析的一些有用的Python库是Pandas和Matplotlib。对于R来说，ggplot2包会很有用。EDA项目应该显示以下技能：

• 能够为调查制定相关问题
• 识别趋势
• 识别变量之间的协变
• 使用可视化(散点图，直方图，框和晶须等)有效地传达结果

3、交互式数据可视化

交互式数据可视化包括仪表板等工具。这些工具对数据科学团队以及更多面向业务的最终用户都很有用。仪表板允许数据科学团队进行协作，并一起将所获得的洞察“绘制”出来。更重要的是，它们为面向业务的客户提供了一种交互式工具——这些人专注于战略目标而非技术细节。通常，数据科学项目的可交付成果将以仪表板的形式出现。

对于Python用户，Bokeh和Plotly库非常适合创建仪表板。对于R用户，RStudio的Shiny软件包很有必要。你的仪表板项目应突出显示以下重要技能：

• 包括与客户需求相关的指标
• 创建有用的功能
• 逻辑布局(“F模式”便于扫描)
• 创建最佳刷新率
• 生成报告或其他自动操作

4、机器学习

机器学习项目是数据科学作品集中的另一个重要部分。在你启动和开始构建一个深度学习项目之前，请退后一步。相对于建立复杂的机器学习模型，你更应该坚持基础。线性回归和逻辑回归是很好的开始。这些模型更易于解释并与上层管理者沟通。我还建议最好做一些对业务有影响的项目，例如预测客户流失，欺诈检测或贷款违约。对面试官而言，这些比识别花的类型更有吸引力。