No cree una cartera de ML sin estos proyectos

A es el nuevo currículum: es lo que sustituye a la experiencia laboral real.

Pero ahora mismo, tus proyectos son un relleno inútil o simplemente no los tomas en serio y es por eso que no consigues entrevistas.

Entonces, en este artículo, desglosaré los tipos de proyectos esenciales que las empresas de primer nivel realmente buscan, para que pueda dejar de enviar solicitudes sin salida y comenzar a programar entrevistas.

Hagamos de su portafolio el imán de entrevistas que necesita ser.

3-5 proyectos simples

La base absoluta para su cartera es de 3 a 5 proyectos “simples” o “fáciles”.

Esto no necesariamente impulsará la contratación, pero le dará a su cartera un peso inicial.

Piensa en estos proyectos simples como las “repeticiones de calentamiento” en el gimnasio. No son el trabajo pesado que desarrolla músculos importantes, pero establecen la mecánica fundamental, la consistencia y la disciplina necesarias antes de afrontar el desafío principal.

El objetivo principal de estos proyectos es lograr que crees y construyas sin un tutorial guiado y que realmente pienses creativamente sobre cómo resolver problemas.

También se trata de “óptica” y de garantizar que su currículum, sus perfiles de GitHub y LinkedIn aparezcan activos y bien poblados.

Sin embargo, tómate aproximadamente un mes para construir estos proyectos más pequeños, asegurándote de que sean de calidad suficiente y no se generen apresuradamente con ChatGPT.

Intente crear una amplia gama de proyectos, cada uno utilizando diferentes herramientas, conjuntos de datos y algoritmos de aprendizaje automático.

Si quieres algo de inspiración, consulta este repositorio que hice hace casi 5 años, que contiene ejemplos de estos proyectos simples cuando intentaba conseguir mi primer trabajo.

GitHub – egorhowell/Data-Science-Projects: una selección de pequeños proyectos de ciencia de datos.
Una selección de pequeños proyectos de ciencia de datos. Contribuya al desarrollo de egorhowell/Data-Science-Projects creando un…github.com

Una cosa que sí diré es que estos proyectos probablemente estén por debajo de los estándares actuales, ya que el campo se está volviendo cada vez más competitivo.

Entonces, a continuación se muestra una lista de objetivos clave que sus proyectos simples deben cumplir para que valgan la pena:

Variedad de algoritmos: intente incluir árboles potenciados por gradiente, redes neuronales y algoritmos de agrupación como K-Means y DBSCAN en sus proyectos. Datos novedosos: es mucho mejor obtener un conjunto de datos más desordenado y realista que refleje los datos que encontrará en el mundo real. Esto impresionará aún más a empleadores y entrevistadores, demostrando directamente sus habilidades en ciencia de datos y aprendizaje automático. Personal: para decidir en qué deberían centrarse sus proyectos, es mejor comenzar respondiendo preguntas específicas que crea que será interesante descubrir a partir de los datos. Un toque personal siempre es mejor.

Proyecto de principio a fin

Si desea trabajar en aprendizaje automático, debe poder implementar su algoritmo.

“Un modelo en un portátil Jupyter no tiene valor comercial”

Probablemente hayas escuchado esta frase de mí y de otras personas varias veces.

Tener el modelo de transformador más sofisticado y de última generación no significa absolutamente nada a menos que se trate de tomar decisiones en la vida real.

Las empresas y los gerentes de contratación lo saben y, francamente, lo único que les importa es si su modelo les está ahorrando o generando dinero y si sus ganancias subyacentes están aumentando.

Es realmente así de reduccionista.

Por lo tanto, desea mostrarles a los empleadores potenciales que sabe cómo crear y enviar un algoritmo de un extremo a otro en su cartera.

Lo ideal es que su proyecto incluya lo siguiente:

Recopilación y almacenamiento de datos. Preprocesamiento de datos. Formación y evaluación de modelos. Despliegue del modelo (vía API, aplicación web, VPS, etc). Análisis y presentación de sus resultados.

Este proyecto suele ser el más difícil de crear para los principiantes porque requiere mejorar sus habilidades y aprender un poco de ingeniería de software.

Algunas de las cosas que necesitarás aprender son:

Lo que no quiero que hagas es que te sientas intimidado y abrumado por la lista.

Empiece poco a poco y aprenda lo esencial a medida que avanza; ciertamente no necesitarás usar todo lo que acabo de mencionar.

Y como siempre, hazlo lo más personal posible; esto lo mantendrá motivado y es un tema de conversación mucho mejor en las entrevistas.

Si desea un ejemplo de la vida real, consulte uno de mis videos anteriores de YouTube donde analizo un proyecto completo de principio a fin que creé y que pronostica los precios de las acciones y luego optimiza mi cartera.

Proyecto centrado en la investigación

A menudo recomiendo que las personas agreguen algún elemento de investigación a su portafolio.

Un método es volver a implementar un trabajo de investigación que les interese.

Aprenderá mucho de este proceso:

Comprender matemáticas complejas asociadas con modelos de vanguardia. Implemente modelos sofisticados desde cero o utilizando bibliotecas simples. Pensar creativamente y aplicar los propios conocimientos a nuevas ideas. Mejore su comprensión de las tendencias actuales en el campo y en qué están trabajando los mejores investigadores.

Y la mejor parte es que la mayoría, literalmente el 99%, de los candidatos no lo hacen, por lo que usted se destacará instantáneamente.

Algunos sitios web útiles para encontrar artículos:

Reimplementar un artículo es muy difícil. Lo he intentado varias veces en el pasado y todavía no pude hacerlo 100% correcto, pero aprendí mucho de ese proceso.

Otra forma de agregar investigaciones a su portafolio es leyendo y recopilando artículos, ya sea escribiendo sobre ellos en línea o incluso a través de un club de revistas.

Esto último es lo que instalé en mi empresa anterior y fue beneficioso. Presenté una variedad de trabajos como:

Me enseñó cómo traducir algunos de los temas más técnicos del mundo en este momento en una presentación digerible de 1 hora.

Esta es una habilidad que las empresas realmente desean, ya que muchos profesionales en el campo no la tienen.

Si actualmente no trabaja en una empresa donde pueda configurar algo como esto, existen muchos grupos comunitarios y de Discord.

Un grupo que recomiendo es Discord de Yannic Kilcher. Es un investigador e ingeniero de aprendizaje automático que crea videos de YouTube que desglosan trabajos de investigación.

Escribir artículos técnicos

La mayoría de la gente asume que sus artículos deben ser “innovadores”.

¿Qué pasaría si te dijera que es sólo una excusa y que tu blog no necesita ser exclusivo para conseguir un trabajo?

Si miras la mía, la mayoría de las publicaciones tratan sobre conceptos fundamentales de estadística, ciencia de datos y aprendizaje automático.

Hasta la fecha, he escrito más de 150 artículos técnicos y más de 60 artículos de asesoramiento profesional.

Estos comenzaron exclusivamente para mí como un medio para aprender más sobre el campo; No me importaba si a la gente le gustaban o no, ya que eran exclusivamente para mí.

Esta es la actitud que tú también debes tener.

Empiece por documentar lo que está aprendiendo actualmente o lo que desea aprender. No es necesario complicarlo demasiado.

Tener un blog aporta muchos aspectos positivos a tu carrera y tus habilidades:

Solidifica la comprensión de los conceptos. Te ayuda a pensar y tener mejores habilidades de comunicación. Demuestra una actitud emprendedora e interés en el campo. Literalmente le conseguirá trabajos y entrevistas. ¡Esto me pasó a mí!

Tu blog es un generador de ingresos pasivo para tu carrera. Cuanto antes inviertas en él, mejor será la rentabilidad.

Le recomiendo que comience a escribir un blog aquí sobre Towards Data Science, ya que es muy fácil de usar, tiene una gran comunidad de ciencia de datos y ya tiene una audiencia incorporada.

Existen otras plataformas más centradas en los desarrolladores, como Hashnode, o incluso puedes bloguear en tu propio sitio web, utilizando plataformas como WordPress o Ghost.

¡Incluso puedes tener tu propio blog creado desde cero usando HTML, CSS y JavaScript!

Si desea obtener más información, tengo una publicación completa sobre cómo comenzar y escribir un blog técnico que puede consultar a continuación:

Ahora que conoces los proyectos exactos que convierten tu portafolio en un imán para las entrevistas, solo queda una última pieza del rompecabezas: cómo presentarlo.

La mayoría de las personas simplemente incluyen un enlace de GitHub en su currículum y esperan lo mejor, pero si lo hace, se está perdiendo una gran oportunidad de resaltar el valor comercial de su trabajo.

Para saber exactamente cómo exhibir su cartera, consulte una de mis publicaciones anteriores a continuación.

¡Te veré allí!