Ne créez pas de portefeuille ML sans ces projets

A est le nouveau CV — c’est ce qui remplace une véritable expérience de travail.

Mais pour le moment, soit vos projets sont inutiles, soit vous ne les prenez tout simplement pas au sérieux, et c’est pourquoi vous n’obtenez pas d’entretiens.

Donc, dans cet article, je vais détailler les types de projets essentiels que les entreprises de premier plan en fait recherchez, afin que vous puissiez arrêter de soumettre des candidatures sans issue et commencer à planifier des entretiens.

Faisons de votre portfolio l’aimant d’entretien qu’il doit être.

3 à 5 projets simples

La base de référence absolue pour votre portefeuille est de 3 à 5 projets « simples » ou « faciles ».

Cela ne fera pas nécessairement avancer l’embauche, mais cela donnera un poids initial à votre portefeuille.

Considérez ces projets simples comme des « répétitions d’échauffement » au gymnase. Ce ne sont pas des tâches lourdes qui développent des muscles sérieux, mais elles établissent la mécanique fondamentale, la cohérence et la discipline nécessaires avant de relever le défi principal.

L’objectif principal de ces projets est de vous amener à créer et à construire sans tutoriel guidé, et de vous amener à réfléchir de manière créative à la façon de résoudre les problèmes.

Il s’agit également de « l’optique » et de garantir que votre CV, vos profils GitHub et LinkedIn apparaissent actifs et bien remplis.

Cependant, prenez environ un mois pour construire ces petits projets, en vous assurant qu’ils sont de qualité suffisante et qu’ils ne sont pas générés à la hâte avec ChatGPT.

Visez à créer un large éventail de projets, chacun utilisant différents outils, ensembles de données et algorithmes d’apprentissage automatique.

Si vous voulez de l’inspiration, consultez ce dépôt que j’ai réalisé il y a près de 5 ans, qui contient des exemples de ces projets simples lorsque j’essayais de décrocher mon premier emploi.

GitHub – egorhowell/Data-Science-Projects : Une sélection de petits projets de science des données.
Une sélection de petits projets de science des données. Contribuer au développement d’egorhowell/Data-Science-Projects en créant un…github.com

Une chose que je dirai, c’est que ces projets sont probablement inférieurs aux normes actuelles, car le domaine devient de plus en plus compétitif.

Voici donc une liste d’objectifs clés que vos projets simples doivent atteindre pour qu’ils en valent la peine :

• Variété d’algorithmes– essayez d’inclure Arbres améliorés par dégradé, Réseaux de neurones, et des algorithmes de clustering comme K-Moyennes et DBSCAN dans vos projets.
• Données nouvelles —Il est bien préférable d’obtenir un ensemble de données plus compliqué et plus réaliste qui reflète les données que vous rencontrerez dans le monde réel. Cela impressionnera encore plus les employeurs et les intervieweurs, démontrant directement vos compétences en science des données et en apprentissage automatique.
• Personnel— Pour décider sur quoi devraient porter vos projets, il est préférable de commencer par répondre à des questions spécifiques qui, selon vous, seront intéressantes à découvrir à partir des données. Une touche personnelle est toujours meilleure.

Projet de bout en bout

Si vous souhaitez travailler en machine learning, vous devez être capable de déployer votre algorithme.

« Un modèle dans un notebook Jupyter n’a aucune valeur commerciale »

Vous avez probablement entendu cette phrase de moi et d’autres à plusieurs reprises.

Avoir le modèle de transformateur le plus sophistiqué et le plus sophistiqué ne signifie absolument rien à moins de prendre des décisions réelles.

Les entreprises et les responsables du recrutement le savent et, franchement, tout ce qui les intéresse, c’est de savoir si votre modèle leur permet d’économiser ou de leur rapporter de l’argent et si leur bénéfice sous-jacent augmente.

C’est vraiment réducteur.

Vous souhaitez donc montrer aux employeurs potentiels que vous savez comment créer et expédier un algorithme de bout en bout dans votre portefeuille.

Votre projet devrait idéalement inclure les éléments suivants :

• Collecte et stockage de données.
• Prétraitement des données.
• Formation et évaluation de modèles.
• Déploiement du modèle (via API, web app, VPS, etc).
• Analyse et présentation de vos résultats.

Ce projet est souvent le plus difficile à créer pour les débutants car il nécessite un certain perfectionnement et un apprentissage d’un peu de génie logiciel.

Certaines des choses que vous devrez apprendre sont :

Ce que je ne veux pas que vous soyez intimidé et submergé par la liste.

Commencez petit et apprenez les bases au fur et à mesure ; vous n’aurez certainement pas besoin d’utiliser tout ce que je viens de mentionner.

Et comme toujours, rendez-le aussi personnel que possible ; cela vous gardera motivé et c’est un bien meilleur sujet de discussion lors des entretiens.

Si vous voulez un exemple concret, regardez l’une de mes précédentes vidéos YouTube dans laquelle je parcours un projet complet de bout en bout que j’ai créé qui prévoit les cours des actions puis optimise mon portefeuille.

Projet axé sur la recherche

Je recommande souvent aux gens d’ajouter des éléments de recherche à leur portfolio.

Une méthode consiste à réimplémenter un document de recherche qui les intéresse.

Vous apprendrez tellement de ce processus :

• Comprendre les mathématiques complexes associées aux modèles de pointe.
• Implémentez des modèles sophistiqués à partir de zéro ou à l’aide de bibliothèques simples.
• Penser de manière créative et appliquer vos propres connaissances à de nouvelles idées.
• Améliorez votre compréhension des tendances actuelles dans le domaine et des travaux des meilleurs chercheurs.

Et le meilleur, c’est que la majorité, littéralement 99 %, des candidats ne le font pas, vous vous démarquerez donc instantanément.

Quelques sites utiles pour trouver des articles :

Réimplémenter un document est très difficile. J’ai essayé plusieurs fois dans le passé, et je n’ai toujours pas réussi à obtenir un résultat correct à 100 %, mais j’ai tellement appris de ce processus.

Une autre façon d’ajouter de la recherche à votre portfolio consiste à lire et à distiller des articles, soit en écrivant à ce sujet en ligne, soit même par l’intermédiaire d’un club de lecture.

C’est ce que j’ai mis en place dans mon ancienne entreprise, et cela a été bénéfique. J’ai présenté diverses communications telles que :

Cela m’a appris à traduire certains des sujets les plus techniques au monde en une présentation digeste d’une heure.

Il s’agit d’une compétence très recherchée par les entreprises, car de nombreux praticiens du domaine ne la possèdent pas.

Si vous ne travaillez actuellement pas dans une entreprise où vous pouvez créer quelque chose comme celui-ci, il existe de nombreux groupes Discord et communautaires.

Un groupe que je recommande est La discorde de Yannic Kilcher. Il est chercheur et ingénieur en apprentissage automatique qui crée des vidéos YouTube décomposant des articles de recherche.

Rédiger des articles techniques

La plupart des gens supposent que leurs articles doivent être « révolutionnaires ».

Et si je vous disais que ce n’est qu’une excuse et que votre blog n’a pas besoin d’être unique pour vous décrocher un emploi ?

Si vous regardez le mien, la plupart des articles portent sur des concepts fondamentaux de statistique, de science des données et d’apprentissage automatique.

À ce jour, j’ai écrit plus de 150 articles techniques et plus de 60 articles de conseils professionnels.

Celles-ci ont commencé uniquement pour moi comme un moyen d’en apprendre davantage sur le domaine ; Je m’en fichais de savoir si les gens les aimaient ou non, car ils étaient uniquement pour moi.

C’est également l’attitude que vous devriez avoir.

Commencez par documenter ce que vous apprenez actuellement ou ce que vous souhaitez apprendre. Pas besoin de trop compliquer les choses.

Avoir un blog apporte tellement de points positifs à votre carrière et à vos capacités :

• Solidifie la compréhension des concepts.
• Vous aide à réfléchir et à avoir de meilleures compétences en communication.
• Démontre une attitude autonome et un intérêt pour le domaine.
• Vous fera littéralement décrocher des emplois et des entretiens. Cela m’est arrivé !

Votre blog est un générateur de revenus passifs pour votre carrière. Plus vous investissez tôt, meilleurs sont les résultats.

Je vous recommande de commencer à bloguer ici sur Towards Data Science, car il est très facile à utiliser, possède une large communauté de science des données et a déjà une audience intégrée.

Il existe d’autres plates-formes plus axées sur les développeurs, telles que Hashnodeou vous pouvez même bloguer sur votre propre site Web, en utilisant des plateformes telles que WordPress ou Fantôme.

Vous pouvez même créer votre propre blog à partir de zéro en utilisant HTML, CSS et JavaScript !

Si vous souhaitez en savoir plus, j’ai un article complet sur la façon de démarrer et d’écrire un blog technique que vous pouvez consulter ci-dessous :

---

Maintenant que vous connaissez les projets exacts qui transforment votre portfolio en un aimant pour les entretiens, il ne reste plus qu’une dernière pièce du puzzle : comment le présenter.

La plupart des gens ajoutent simplement un lien GitHub sur leur CV et espèrent le meilleur, mais si vous faites cela, vous manquez une énorme opportunité de mettre en valeur la valeur commerciale de votre travail.

Pour savoir exactement comment présenter votre portfolio, consultez l’un de mes articles précédents ci-dessous.

Je te verrai là-bas !

Une autre chose !

Rejoignez ma newsletter gratuite où je partage chaque semaine des astuces, des idées et des conseils issus de mon expérience en tant que data scientist et ingénieur en apprentissage automatique. De plus, en tant qu’abonné, vous recevrez mon Modèle de CV GRATUIT !

Diffuser les données
page principalenewsletter.egorhowell.com

Connectez-vous avec moi