Creare un documento che in pochi secondi mostri al mondo tutte le nostre esperienze e potenzialità non è sempre facile. Ora vediamo insieme alcuni consigli per il CV: come creare un Curriculum Data Scientist!
Questa è la situazione.
Seguendo le direttive corrette, hai perfezionato le tue qualità.
Soft-skills e hard-skills si sono fuse insieme, dopo aver forgiato la tua mentalità da vero Data Scientist.
Perfezionando il Project Planning Funnel, hai passato in rassegna le fasi della Data Science Methodology e, con i progetti online, possiedi finalmente un ricco Project Portfolio, con qualche decina di Jupyter Notebooks
Il problema ora è uno solo. Come raccontiamo al mondo la tua bravura?
Reggiti forte.
Questi sono i consigli da seguire per il Curriculm Data Scientist
Curriculum Data Scientist
L’obiettivo è quello di riassumere in un unico post le best practice da seguire per ottenere un curriculum con i fiocchi.
Ora, trattandosi di consigli che evidentemente accumuleremo nel corso del tempo è ovvio che l’articolo sia aggiornato strada facendo.
Buona lettura!
Altolà le banalità
Un programmatore evita di condividere il suo “Hello World!”, la prima stringa che la regola non scritta della programmazione ricorda di eseguire ogniqualvolta venga imparato un nuovo linguaggio.
Data science e machine learning elevano i requisiti minimi.
Quindi niente Titanic Dataset! Conserva il progetto di classificazione degli Iris Flower come il video dei tuoi primi passi (che magari nascondi al primo appuntamento) e tratta le 70.000 immagini del MNIST come il tuo ciuccio: ahimè tanto petaloso, ma poco professionale.
In poche parole, niente banalità.
Lasciati guidare dalle sagge parole del nostro amico Seth Godin, e diventa una mucca viola!
Il motivo è presto detto.
Il curriculum è la nostra apoteosi.
Dubito che acquisteresti un’auto se chiedendo al venditore quale sia la sua caratteristica distintiva questo rispondesse: “Beh… ha 4 ruote”.
Analogamente, quale fine pensi faccia il tuo bel CV con soli progetti banali?
MOOC List
Sono un fiero sostenitore dei corsi online. La possibilità di autogestirsi i carichi di lavoro e le scadenze, ove possibile, è uno strepitoso esercizio di management. La frase learn at your own peace echeggia in ogni dove.
I Massive Online Open Courses (MOOC) sono formidabili risorse di apprendimento, specie in ambiti pratici come data science e machine learning.
Guadagnarsi un diploma targato Udacity o Coursera, potrebbe sembrare rilevante.
Nessuno intende mettere in discussione la professionalità e l’impegno richiesto al loro conseguimento, sia chiaro; ahimè hanno un difetto innato: quella parola “massive“.
Sono aperti a tutti, e tutti hanno nel portfolio il capstone prject di turno. Le aziende vogliono qualcosa di speciale, intendono assumere la creme de la creme e non possono certo accontentarsi di progetti tradizionali.
Dobbiamo esplorare nuovi mondi, e camminare là dove nessun uomo è mai giunto prima!
Spettro ampio
Il data scientist è un unicorno.
È un T shaped professionist con competenze verticali in ambito analisi dati, ma capace d’interagire agevolmente con le altre figure del team aziendale.
Riesce a farlo grazie alle competenze generiche di sviluppo che includono:
- Conoscenza dei sistemi controllo versione, come GitHub o GitLab;
- Capacità di DevOps con piattaforme come AWS, GCP, Digital Ocean o FloydHub
- Nozioni di database e query language (mongoDB, mySQL)
Te hai una risorsa preziosa: www.andreaprovino.it
Ormai mi conosci, per te voglio solo il meglio!
Ecco perché su questo blog parliamo anche di sviluppo web con guide inerenti anche a queste piattaforme, o servizi a loro annessi.
Puoi aver sviluppato il miglior modello di machine learning, ma se rimane su un jupyter notebook sul tuo computer, avrà vita breve.
Perché e cosa
È fondamentale conoscere i propri progetti.
Il copy and paste, tanto facile grazie ai tutorial di YouTube o ai blog (“meeh…”) è cosa da evitare.
Ogni tuo progetto dovrebbe avere una precisa storia, articolata tra un perché hai deciso di… e un ho imparato a fare…
Tanto meglio risponderai a queste domande, quanto a fondo avrai compreso il tuo progetto.
In realtà questa parte è particolarmente utile in un colloquio, piuttosto che nel Curriculum Data Scientist. Mi sembrava comunque utile condividere questo consiglio con te!
Un caldo abbraccio, Andrea.
