一年一度的秋招已經打響了發令槍，從去年的薪酬排行來看，算法工程師和數據分析等工作排在前列，很多相關專業的學生一直在自學一些網絡上的公開課并閱讀一些專業書籍，比如“西瓜書”、“花書”等，如果你現在仍然什么也沒有準備的話，然而還想從事數據科學領域這個似乎令人望而生畏的工作話，現在就要抓緊補補相關的知識了。在這里要提示一點，自我完善的知識不要局限于數據分析相關的知識，還要額外補充下相關領域的知識。另外，簡歷上展示個人技能的最佳方式是使用技能組合的形式，這樣能讓雇主相信你可以使用你已經學習的技能。為了展示這些技能，以下是你應該著重補充的5種數據科學項目組合類型：

1.數據清理

數據科學家預計在一個新項目的清理數據處理上花費多達80%的時間，這對于團隊來說是一個巨大的代價。如果你可以證明你在數據清理方面經驗豐富，那么你將立即變得更有價值。練習這項能力的方法是創建一個數據清理項目，找到一些混亂的數據集并開始進行清理。

如果你使用Python語言進行編程，那么Pandas是一個很好用的庫，如果你使用R語言編程，那么你可以使用dplyr數據包。你實踐的數據清洗項目應該確保展示以下技能：

導入數據

加入多個數據集

檢測缺失值

檢測異常

輸入缺失的值

數據質量保證

2.探索性數據分析

數據科學的另一個重要方面是探索性數據分析(EDA)，這是一個生成問題并用可視化方法對其進行調查的過程。 EDA允許分析人員從數據中得出結論來推動業務影響，它可能包括基于客戶細分的有趣洞察，或基于季節效應的銷售趨勢。通常你可以通過探索性數據分析來得到一些有趣的發現。

用于探索性分析的一些有用的Python庫有Pandas和Matplotlib。對于R用戶而言，ggplot2軟件包將會很有用。你實踐的EDA項目應該顯示以下技能：

能夠制定相關的調查問題

識別趨勢

識別變量之間的協變

使用可視化有效地傳達結果(散點圖，直方圖，餅圖等)

3.交互式數據可視化

交互式數據可視化包括諸如儀表板之類的工具，這些工具對于數據科學團隊以及更多面向業務的最終用戶都是很有用的。儀表盤允許數據科學團隊進行協作并共同繪制見解。更重要的是，它們為面向商業的客戶提供了交互式工具，這些人專注于戰略目標而不是技術細節。數據科學項目的交付成果往往以儀表板的形式出現。

對于Python用戶而言，Bokeh和Plotly庫是非常適合用來創建儀表板的。而對于R用戶，可以使用RStudio的Shiny軟件包。你實踐的儀表板項目應該強調這些重要技能：

包括與客戶需求相關的指標

創建有用的功能邏輯布局(易于掃描的“F模式”)

創建最佳刷新率

生成報告或其他自動操作

4.機器學習

機器學習項目是數據科學產品組合的另一個重要組成部分?，F在，在開始進行一些深度學習項目之前，請保持耐心。不要一開始就構建復雜的機器學習模型，而要堅持從基礎知識開始學起。線性回歸和邏輯回歸是很好的開始，這些模型更容易解釋并能清晰地與上層管理人員溝通。此外，我還建議專注于具有業務影響的項目，例如預測客戶流失，欺詐檢測或貸款違約等，這些比預測花型更實用。

如果你是Python用戶，請使用Scikit-Learn學習庫。而對于R用戶，請使用Caret軟件包。你實踐的機器學習項目應該傳達以下技能：

選擇使用某個具體機器學習模型的原因

將數據分成訓練/測試集(k-fold交叉驗證)以避免過度擬合

選擇正確的評估指標(AUC、adj-R ^ 2、混淆矩陣等)

特征工程和選擇

超參數調整

5.溝通

溝通是數據科學的一個重要方面，對于工科人員而言這點尤其欠缺。能夠有效地傳達結果是區分優秀的數據科學家與偉大的數據科學家的重要衡量標準之一。無論你的模型多么華麗，如果你不能向隊友或顧客解釋它，你都不會得到他們的支持，就如同對牛彈琴一般?；脽羝蚇otebook都是很好的溝通工具，可以將你的機器學習項目按照項目過程以PPT的形式展示，也可以使用Jupyter Notebook或RMarkdown文件進行溝通。

確保了解你的目標受眾是誰，向高管呈現的內容與向機器學習專家呈現的內容二者是完全不同的。確保具備這些技能：

了解目標受眾

提供相關的可視化

幻燈片不要寫太多的內容

確保演示文稿流暢

將結果與業務影響聯系起來(降低成本，增加收入)

確保在Jupyter筆記本或RMarkdown文件中記錄自己的項目。然后，也可以使用Github 免費將這些Markdown文件轉換為靜態網站。這是向潛在雇主展示個人技能組合的好方法，即GitHub主頁或CSDN博客等。

最后，在求職的道路上請保持積極的態度，作為應屆生，不要被一次次面試、筆試所擾亂心態，請保持繼續補充知識、練習項目并參加一些競賽等。不要慌張，秋招過去，還有春招，春招過去還有社招，只要你一直努力提升自己，相信最終會有好的結果等著你，希望你能夠快樂求職，并且在數據科學領域工作順心。