Os alunos da Data Science Academy aprendem a criar um portfólio de projetos de Ciência de Dados para incluir no currículo como forma de  diferenciação da multidão. Incentivamos isso em todos os nossos cursos.

Como construir um portfólio dá trabalho e requer comprometimento, a grande maioria dos profissionais prefere simplesmente ignorar esse importante fator de diferenciação. Muitos alunos já reportaram que conseguiram suas vagas de trabalho seguindo nossas recomendações, construindo um portfólio de projetos e apresentando como cartão de visitas. E cada vez mais recrutadores usam o portfólio para selecionar um bom candidato a Cientista de Dados ou mesmo Engenheiro de Dados. Se o profissional não tiver iniciativa para criar seu próprio portfólio, teria o candidato iniciativa nos projetos da empresa? Os recrutadores estão pensando sobre isso.

Para ajudar aqueles que estão começando em Data Science e desejam criar um portfólio, usamos nossa própria experiência e complementamos com uma grande pesquisa de boas práticas e recomendações que você encontra a seguir. A pesquisa durou quase 2 meses, pois fomos buscar o que é realmente relevante e funciona na hora de montar um portfólio de projetos. As respectivas referências estão no final do artigo. Quer aprender Como Construir Um Portfólio em Data Science? Então, boa leitura!

A Importância de um Portfólio

Como você consegue um emprego em Ciência de Dados? O primeiro passo, obviamente, é aprender a trabalhar com as disciplinas envolvidas em Data Science, como Matemática, Estatística, Machine Learning, Programação, etc.. O segundo passo é construir um bom portfólio de projetos. Embora um currículo seja importante, ter um portfólio de evidências das suas habilidades em Ciência de Dados pode fazer maravilhas durante o processo de contratação. Mesmo se você tiver uma indicação, é importante a capacidade de mostrar aos potenciais empregadores o que você pode fazer, em vez de apenas dizer a eles que você pode fazer algo. 

Além do benefício de aprender criando um portfólio, um portfólio é importante, pois pode ajudá-lo a conseguir emprego. Para os fins deste artigo, vamos definir um portfólio como evidência pública de suas habilidades em Ciência de Dados. 

A estratégia mais eficaz para demonstrar usas habilidades é desenvolver um trabalho e torná-lo público. Escrever um artigo em um blog ou desenvolver código aberto ajuda a fornecer evidências públicas de suas habilidades em Data Science. Responder ativamente em fóruns públicos como o site Stack Overflow, pode impressionar seu futuro empregador e garantir a você um convite para uma entrevista!

Quanto mais trabalho público você realiza, maior a chance de um acidente “horrível” como esse acontecer: alguém perceber seu trabalho e apontá-lo para uma oportunidade de emprego, ou de alguém que o está entrevistando, ter ouvido falar do trabalho que você realizou.

As pessoas costumam esquecer que Cientistas de Dados e Engenheiros de Dados também pesquisam seus problemas no Google. Se essas mesmas pessoas tiverem seus problemas resolvidos lendo sua obra pública, elas podem pensar melhor em você e entrar em contato para uma possível oportunidade.

Tipos de Projetos a Serem Incluídos em um Portfólio

A Ciência de Dados é um campo tão amplo que é difícil saber que tipo de projeto pode fazer sucesso em seu portfólio. William Chen, Gerente de Ciência de Dados da Quora e membro ativo de vários projetos em Data Science, compartilhou seus pensamentos sobre o assunto no CareerCon 2018 da Kaggle. Confira o ótimo vídeo aqui. Veja o que William Chen falou sobre isso:

“Adoro projetos em que as pessoas mostram que estão interessadas em dados de uma maneira que vai além das tarefas comuns. Qualquer tipo de projeto em que você explora um conjunto de dados interessante e encontra resultados interessantes é algo que vale a pena. Esforce-se na redação … Gosto muito de ver redações realmente boas, onde as pessoas encontram coisas interessantes e novas e descrevem o que encontraram … criam algumas visualizações e compartilham seu trabalho.”

Muitas pessoas reconhecem o valor de criar projetos, mas uma questão que muitas pessoas se perguntam é onde você obtém esse conjunto de dados interessante e o que fazer com ele. Jason Goodman, Cientista de Dados do Airbnb, publicou uma lista de dicas sobre criação de portfólio de projetos de dados, onde ele fala sobre muitas ideias de projetos diferentes e oferece bons conselhos sobre que tipo de conjunto de dados você deve usar. Ele também faz eco de um dos pontos de William sobre como trabalhar com dados interessantes:

“Acho que os melhores portfólios de projetos são menos sobre modelagem sofisticada e mais sobre como trabalhar com dados interessantes. Muitas pessoas fazem coisas com informações financeiras ou dados do Twitter; eles podem funcionar, mas os dados não são inerentemente tão interessantes, então você não está trabalhando em algo realmente novo.”

Um de seus outros pontos no artigo é que o Web Scraping é uma ótima maneira de obter dados interessantes. Se você estiver interessado em aprender a criar seu próprio conjunto de dados por Web Scraping em Python, você pode acessar nosso curso gratuito aqui na DSA (exclusivo para os alunos das nossas Formações). Se você é acadêmico, é importante observar que sua tese pode contar como um projeto (um projeto muito grande, provavelmente). 

Tipos de Projetos Para Não Incluir em um Portfólio

Algo que é unanimidade: não crie seu portfólio com projetos que sejam muito comuns ou que não estejam alinhados com as áreas nas quais deseja trabalhar. Se está buscando uma posição em empresas da área de mineração por exemplo, não faz sentido criar projetos em seu portfólio para prever a próxima coleção de casacos de pele.

Jeremie Harris, no excelente artigo As 4 maneiras mais rápidas de não ser contratado como um Cientista de Dados, traz um conselho interessante:

É difícil pensar em uma maneira mais rápida de colocar seu currículo na pilha daqueles que irão direto para a lixeira, do que mostrar o trabalho que você fez em conjuntos de dados triviais de prova de conceito, entre seus projetos pessoais.

Em caso de dúvida, aqui estão alguns projetos que o prejudicam mais do que ajudam:

* Classificação de sobrevivência no conjunto de dados do Titanic.
* Classificação de dígitos manuscritos no conjunto de dados MNIST.
* Classificação das espécies de flores usando o conjunto de dados Iris.

Esses projetos acima são ótimos para o seu aprendizado, mas não trarão valor algum para seu portfólio de projetos. Aprenda com eles e depois crie algo totalmente novo, demonstrando que você realmente aprendeu os conceitos e sabe como aplicá-los.

Portfólios Devem Ser Iterativos

Favio Vazquez tem um excelente artigo onde falou sobre como conseguiu seu emprego como Cientista de Dados. Obviamente, uma de suas dicas é ter um portfólio.

“Tenha um portfólio. Se você está procurando um emprego sério e remunerado em Ciência de Dados, faça alguns projetos com dados reais e depois publique no seu Github (certifique-se que os dados possam ser compartilhados e “mascare” qualquer informação sensível. Além das competições do Kaggle, encontre algo que você ama ou um problema que deseja resolver e use seu conhecimento para fazer isso.”

Uma outra dica interessante é que você sempre deve continuar melhorando à medida que avança na busca de emprego.

“Eu enviei currículo para quase 125 oportunidades (de verdade, talvez você tenha se candidatado a muito mais), e recebi apenas 25 a 30 respostas. Algumas delas eram apenas a famosa frase de recrutador não interessado: Obrigado, entraremos em contato. E eu fiz quase 15 entrevistas. Eu aprendi com cada uma e melhorava a cada uma delas. Eu tive que lidar com muita rejeição. Algo para o qual realmente não estava preparado. Mas adorei o processo de ser entrevistado (nem todos, para ser sincero). Estudei muito, programava todos os dias, li muitos artigos e postagens. Tudo isso me ajudou muito.”, disse Favio.

À medida que você aprende mais e se aprimora, seu portfólio também deve ser atualizado. Esse mesmo sentimento é ecoado em muitos outros artigos de aconselhamento. Como Jason Goodman disse:

“O projeto não é concluído quando você o publica na web. Não tenha medo de continuar adicionando ou editando seus projetos depois que eles forem publicados!”

Este conselho é especialmente verdadeiro quando você está procurando emprego. Há muitas histórias de pessoas bem-sucedidas, como Kelly Peng, Cientista de Dados do Airbnb, que realmente perseverou e continuou trabalhando e melhorando. Em uma de suas postagens, ela analisou quantos lugares se candidatou e fez entrevista. Veja os números:

Aplicações: 475
Entrevistas por telefone: 50
Desafios de Data Science concluídos em casa: 9
Entrevistas presenciais: 8
Ofertas: 2
Tempo gasto: 6 meses

Ela se candidatou claramente a muitos empregos e continuou persistindo até conseguir ser contratada. Em seu artigo, ela até menciona como você precisa continuar aprendendo com suas experiências de entrevistas. Pare de se fazer vítima, assuma o controle da sua vida e carreira, acredite no seu potencial e siga em frente.

Incorporando o Portfólio no Currículo de 1 Página

Uma das maneiras pelas quais alguém encontra seu portfólio é geralmente através do seu currículo, por isso vale a pena mencionar. Um currículo de Ciência de Dados é um local para se concentrar em suas habilidades técnicas. Seu currículo é uma chance de apresentar sucintamente suas qualificações e adequar-se a esse papel específico. Os recrutadores consultam os currículos muito rapidamente e você tem pouco tempo para impressionar. Melhorar o seu currículo pode aumentar sua chance de conseguir uma entrevista. Você precisa garantir que todas as linhas e todas as seções do seu currículo sejam contadas.

Aqui estão algumas dicas para elaboração do seu currículo:

Comprimento: mantenha-o simples e uma página no máximo. Isso lhe dá o maior impacto para uma rápida leitura. Use um formato simples de uma coluna, pois é fácil de ler.

Objetivo: não inclua um. Eles não ajudam você a se distinguir das outras pessoas. Eles tiram espaço das coisas mais importantes (habilidades, projetos, experiência, etc.). As cartas de apresentação são extremamente opcionais, a menos que você realmente as personalize.

Cursos: Faça uma lista de cursos relevantes aplicáveis à descrição da vaga. Os cursos da DSA são cada vez mais relevantes no currículo, pois cada vez mais empresas reconhecem o valor do que oferecemos e muitas recomendam os cursos da DSA, pela sua diferenciação e proposta totalmente prática, voltada ao mercado de trabalho. Recentemente uma empresa postou uma vaga onde um dos requerimentos era ter feito um dos cursos da DSA. Inclua-os no seu currículo.

Habilidades: não forneça classificações numéricas para suas habilidades. Se você quiser avaliar suas habilidades, use palavras como proficiente ou familiar ou coisas assim. Você pode até excluir as avaliações por completo. Liste as habilidades técnicas mencionadas na descrição da vaga. A ordem em que você lista suas habilidades pode sugerir no que você é melhor.

Projetos: não liste projetos comuns ou trabalhos de teste. Eles não são tão úteis para distinguir você de outros candidatos. Liste projetos realmente relevantes e que você tenha criado. Não liste projetos que você tenha apenas criado ao fazer um curso, pois outros candidatos poderão estar fazendo o mesmo e isso não vai trazer diferenciação. Liste os projetos que sejam inerentes ao mercado de atuação da empresa para a qual você se candidatou. Isso vai chamar atenção. Mostre resultados e inclua links. Se você participou de competições no Kaggle, coloque uma classificação percentual, pois ajuda a pessoa que está lendo o seu currículo a entender onde você está na competição.

Portfólio: é a sua presença online. O mais básico é um perfil do LinkedIn. É como um currículo extenso. Os perfis no Github e Kaggle podem ajudar a mostrar seu trabalho. Preencha cada perfil e inclua links para outros sites. Preencha as descrições dos seus repositórios do GitHub. Inclua links para seus perfis / blog de compartilhamento de conhecimento. A Ciência de Dados é especificamente sobre compartilhamento de conhecimento e comunicação do que os dados significam para outras pessoas. Você não precisa fazer todas elas, mas escolha algumas e faça.

Experiência: adapte sua experiência à vaga que está se candidatando. A experiência é o núcleo do seu currículo, mas se você não tem experiência de trabalho, o que faz? Concentre seu currículo em projetos independentes, como projetos gerais, pesquisa independente, trabalho de tese ou competições do Kaggle. Eles substituem a experiência profissional se você não tiver experiência profissional para colocar em seu currículo. Evite colocar experiência irrelevante em seu currículo.

Em resumo: para se destacar da multidão, você precisa fazer algo diferente. A grande maioria, por pura preguiça, cria um único currículo padrão e sai disparando por aí sem critério (e depois ainda reclamam que não conseguem entrevistas…rs…coisas dos seres humanos). Monte versões personalizadas do seu currículo. Para uma determinada vaga, alguns de seus projetos podem ser mais relevantes do que outros, bem como habilidades e cursos realizados. O recrutador não quer saber sobre tudo que você fez na sua vida. O recrutador quer saber sobre o que você fez e que é relevante para aquela posição. Entregue o que o recrutador espera receber e veja o resultado!

Importância das Mídias Sociais

Ter uma página no Github, um perfil no Kaggle, um perfil no Stack Overflow, etc. pode fornecer suporte para o seu currículo. Ter perfis online preenchidos pode ser um bom sinal durante o processo de contratação. Mesmo seus perfis no Facebook, Twitter ou LinkedIn poderão ajudá-lo, desde que usados sabiamente. Não participe de fofocas ou discussões vazias na internet. Não faça acusações sem provas e nem use palavras discriminatórias, ainda mais sobre o que não conhece ou compreende. Afaste-se de pessoas ou grupos que fazem acusações perniciosas e maldosas apenas porque não gostam do trabalho de outros. Mantenha-se participativo, mas de forma respeitosa com tudo e com todos.

Como o famoso Engenheiro de Dados David Robinson diz:

“Geralmente, quando estou avaliando um candidato, fico empolgado em ver o que eles compartilharam publicamente, mesmo que não seja algo pronto. E compartilhar alguma coisa, mesmo que inacabada, é quase sempre melhor do que compartilhar nada.”

A razão pela qual os Cientistas de Dados gostam de ver obras públicas é esta:

Os Cientistas de Dados usam as mídias sociais profissionais para compartilhar seu próprio trabalho e encontrar respostas para perguntas. Se você usar essas ferramentas, estará sinalizando aos Cientistas de Dados que você aspira ser um deles, mesmo que nunca tenha trabalhado como Cientista de Dados. É óbvio, não é? Pois então, faça!

Muito da Ciência de Dados trata de comunicação e apresentação de dados, por isso é bom ter esses perfis online. Além do fato de que essas plataformas ajudam a fornecer uma experiência valiosa, elas também podem ajudá-lo a ser notado e levar as pessoas ao seu currículo. As pessoas podem encontrar seu currículo online e através de várias fontes (LinkedIn, GitHub, Twitter, Kaggle, Medium, Stack Overflow, Tableau Public, Quora, Youtube, etc.). Você até descobrirá que diferentes tipos de mídia social se alimentam. O Facebook vem sendo deixado de lado, pelo frequente discurso de ódio nutrido nessa rede. Concentre-se nas redes profissionais. Mas não se sinta obrigado a marcar presença em todas elas. Duas ou três serão suficientes.

Muitos profissionais altamente qualificados ou que trabalham em muitos projetos, ignoram as redes sociais, pois em geral elas tomam muito tempo precioso. Mas se você ainda está começando sua caminhada, as redes podem ser poderosas aliadas. Mas repito: se usadas sabiamente.

Github

Um perfil do Github é um sinal poderoso de que você é um Cientista de Dados competente e por isso temos um módulo ensinando os alunos da Formação Cientista de Dados como criar projetos no Github passo a passo. Na seção de projetos de um currículo, as pessoas geralmente deixam links para seus GitHub, onde o código é armazenado para seus projetos. O GitHub permite que as pessoas vejam o que você criou e como você o criou. Em algumas empresas, os recrutadores consultam o GitHub dos candidatos. É outra maneira de mostrar aos empregadores que você não é um falso positivo. Se você dedicar algum tempo para desenvolver seu perfil do GitHub, poderá ser melhor avaliado do que outros.

Vale ressaltar que você precisa ter algum tipo de arquivo README.md com uma descrição do seu projeto, pois muito da Ciência de Dados se refere à comunicação de resultados. Verifique se o arquivo README.md descreve claramente o que é seu projeto, o que faz e como executar seu código e tenha um arquivo README para cada projeto.

Colocar seu projeto no Github não significa apenas jogar o código lá dentro e dizer: “Olha, eu tenho um portfólio de projetos!”. Não! Criar seu projeto significa ter cuidado com os detalhes, criando um README para descrever seu projeto, um sumário executivo, uma apresentação, um dicionário de dados, código comentado, instruções para execução e interpretação dos resultados. Tudo que ensinamos nos cursos aqui na DSA.

Kaggle

Participar de competições do Kaggle, criar um kernel e contribuir para discussões são maneiras de mostrar alguma competência como Cientista de Dados. As competições do Kaggle apresentam uma tarefa (um problema de negócio a ser resolvido), oferecem dados para você limpar de alguma forma utilizável e então aplicar análise de dados e criar um modelo de Machine Learning. 

É verdade que participar de uma competição do Kaggle não qualifica alguém para ser um Cientista de Dados. Nem assistir a uma aula ou assistir a um tutorial ou ler um livro sobre Ciência de Dados. Trabalhar na(s) competição(ões) aumenta sua experiência e aumenta seu portfólio. É um complemento para seus outros projetos, não o único teste decisivo do conjunto de habilidades em Ciência de Dados.

Pare de achar que apenas um curso vai lhe dar um emprego caindo do céu. Isso não existe e se alguém prometer isso a você, se afaste dessa pessoa para o mais longe que puder. Vou deixar claro: nenhum curso no planeta Terra é garantia de emprego. Pare de buscar por isso. O objetivo de um curso é trazer para você conhecimento, mostrar o caminho a seguir, orientar e guiar sobre o que fazer em Ciência de Dados. Você faz um curso para aprender, para saber o que aprender e para saber como aprender, nesse oceano de informação no qual navegamos atualmente. Um curso é como uma bússola, orientando você até seu destino. Mas quem percorre o caminho é você, praticando o que aprendeu e buscando seu desenvolvimento pessoal e profissional. 

Durante todo o ano de 2019 promovemos na DSA Competições de Machine Learning no Kaggle, exclusivamente para os alunos dos cursos pagos da DSA. A ideia era exatamente oferecer problemas de negócio do mundo real e convidar os alunos a resolvê-los e ainda ganhar prêmios. Para cada competição apresentamos nossa proposta de solução e os alunos podem usar livremente como ponto de partida para iniciar seus portfólios de projetos. as soluções estão disponíveis para novos alunos e seguiremos com o programa para 2020.

LinkedIn

Ao contrário de um currículo, que é limitado por comprimento, um perfil do LinkedIn permite que você descreva seus projetos e experiência de trabalho com mais profundidade. Uma parte importante do LinkedIn é a ferramenta de pesquisa e, para que você apareça, é necessário ter palavras-chave relevantes em seu perfil. Os recrutadores costumam procurar pessoas no LinkedIn. O LinkedIn permite que você veja quais empresas pesquisaram por você e quem viu seu perfil.

Além de as empresas encontrarem e enviarem mensagens, o LinkedIn também possui muitos recursos, como Solicitar uma Referência. Jason Goodman, em seu artigo Advice on Applying to Data Science Jobs, cita como usar o LinkedIn para solicitar indiretamente referências.

“Nunca, nunca, nunca me inscrevi em nenhuma empresa sem uma introdução a alguém que trabalhava na empresa … uma vez que estivesse interessado em uma empresa, usaria o LinkedIn para encontrar uma conexão de primeiro ou segundo grau na empresa. Eu escreveria para essa conexão, pedindo para conversar sobre sua experiência na empresa e, se possível, se poderia me conectar a alguém da equipe de Ciência de Dados. Sempre que podia, fazia reuniões pessoais (café ou almoço) em vez de telefonemas.”

Além disso, Trey Causey escreveu recentemente um ótimo post sobre como solicitar apenas esse tipo de reunião. “Eu nunca pediria um emprego diretamente, mas eles geralmente pediam meu currículo e se ofereciam para me enviar como referência interna ou me colocavam em contato com um recrutador. Se eles não pareciam confortáveis ​​em fazê-lo … eu agradecia pelo tempo e seguia em frente.”

Observe que ele não pedia imediatamente uma indicação. Embora conselhos de trabalho comuns ao se candidatar a uma empresa sejam para obter uma indicação, é MUITO IMPORTANTE observar que você ainda precisa de um portfólio, experiência ou algum tipo de prova de que pode fazer um trabalho. Jason até menciona a importância de um portfólio nesse e em outros artigos que ele escreveu.

Mas tenha atenção! Ao pedir ajuda no LinkedIn, não seja egoísta e pense apenas em você. Esteja pronto para oferecer ajuda também e contribuir de alguma forma com aquele a quem hoje você pede ajuda. Isso cria uma corrente positiva e mostra que você é um profissional que sabe retribuir a boa ação que recebeu!

Outro passo importante na rede é divulgar seu conteúdo. Por exemplo, se você é bom em algo, faça um artigo sobre isso e compartilhe-o no LinkedIn. Isso não apenas ajuda os outros, mas também ajuda você. O LinkedIn é ótimo para divulgar seu conteúdo / portfólio.

Plataformas de Blogs

Ter algum tipo de blog pode ser altamente benéfico. Muito em Ciência de Dados é sobre comunicação e apresentação de dados. Os blogs são uma maneira de praticar isso e mostrar que você pode fazer isso. Escrever sobre um projeto ou um tópico de Ciência de Dados permite que você compartilhe com a comunidade, além de encorajá-lo a escrever seu processo de trabalho e pensamentos. Essa é uma habilidade útil quando você for participar de entrevistas.

Como David Robinson disse: “Um blog é sua chance de praticar as habilidades relevantes.”. Aqui estão alguns temas que você poderia explorar:

Limpeza de dados: um dos benefícios de trabalhar com uma variedade de conjuntos de dados é que você aprende a receber os dados “na forma em que chegam”, seja na forma de um arquivo suplementar de um artigo de jornal ou de um roteiro de filme.

Estatística: trabalhar com dados desconhecidos permite colocar em prática métodos estatísticos e escrever postagens que comunicam e ensinam conceitos ajuda a construir seu próprio entendimento.

Machine Learning: há uma grande diferença entre usar um algoritmo preditivo uma vez e usá-lo em vários problemas, enquanto entende porque você escolheria um sobre o outro.

Visualização: ter uma audiência para seus gráficos incentiva você a começar a aperfeiçoá-los e a criar seu estilo pessoal.

Comunicação: você ganha experiência em escrever e pratica a estruturação de um argumento orientado a dados. Essa é provavelmente a habilidade mais relevante que os blogs desenvolvem, uma vez que é difícil praticar em outros lugares e é uma parte essencial de qualquer carreira em Ciência de Dados.

Comece criando seu canal no Medium e publicando seus artigos, explicando os resultados dos projetos que você colocou no seu Github. Depois compartilhe o artigo no seu perfil no LinkedIn. E comece a ver a mágica acontecendo!

Mas aí vai um aviso (por experiência própria): você será criticado, mesmo que faça o melhor trabalho da Galáxia. Muitas pessoas não tem capacidade e dirão que você não tem! Muitas pessoas vão criticá-lo pelo prazer de criticar! Muitas pessoas simplesmente não vão gostar do seu trabalho e vão criticar, mesmo que outras 100 pessoas estejam adorando o que você faz! Se não souber lidar com críticas, você estará em apuros. Minha dica: faça o seu melhor, ouça as críticas, assimile, acene, sorria e siga em frente!

E os Alunos da DSA?

Cada vez mais alunos seguem nossas recomendações e depois enviam feedback agradecendo pela orientação na criação do portfólio de projetos (em breve teremos um artigo sobre isso). Vou citar alguns exemplos, mas sem mencionar nomes, em respeito à privacidade a que todos tem direito:

Um aluno da Formação Engenheiro de Dados reportou que montou todos os projetos dos cursos (que são mesmo espetaculares) em seu notebook pessoal. Em uma entrevista presencial, ele levou o notebook, pois havia comentado sobre os projetos na entrevista pelo telefone. Durante a entrevista o aluno mostrou o projeto de coleta de dados em tempo real e gravação de dados no Data Lake. O projeto era tão fantástico, que claro ele ficou com a vaga! Ele não disse que era capaz de fazer. Ele mostrou feito!

Outro aluno fez os 12 projetos com feedback que oferecemos na Formação Cientista de Dados (nesses projetos o aluno desenvolve a solução e envia para receber o feedback da nossa equipe). Ele colocou os 12 projetos no repositório no Github. Em uma das entrevistas que ele fez foi questionado sobre experiência em uma área abordada exatamente em um dos projetos nos quais ele havia trabalhado na DSA. Com o desenvolvimento do projeto e com o nosso feedback, ele apresentou um verdadeiro case para os recrutadores. Claro que ele ficou com a vaga!

Um aluno da Formação Inteligência Artificial usou um dos projetos do curso de Processamento de Linguagem Natural para demonstrar sua experiência na área e foi contratado por uma Startup de IA em Santa Catarina. Outro aluno da Formação Análise Estatística Para Cientistas de Dados usou os exercícios dos cursos como ponto de partida, montou um projeto de análise de dados e usou como referência para demonstrar o conhecimento em Estatística, embora ele tivesse graduação em Engenharia. Fez várias entrevistas e sempre que era questionado sobre Estatística usava o projeto como referência. Hoje trabalha como Cientista de Dados em uma grande empresa do Brasil.

E esses são apenas alguns exemplos!

Conclusão

Você deve ter percebido que montar um portfólio de projetos em Data Science dá trabalho! Mas se você quer se diferenciar da multidão, espera fazer isso como? Sentado no sofá? Tem que arregaçar as mangas e fazer acontecer! E o mais legal é que você ainda aprende e se desenvolve durante a jornada até aquela sonhada vaga como Cientista de Dados, por exemplo. Dicas finais:

  • Lembre-se sempre de incluir as referências e citações em seus projetos para evitar dores de cabeça desnecessárias.
  • Mantenha seu portfólio atualizado.
  • Apresente seu trabalho sempre de forma profissional.
  • Erros de português deixarão uma péssima imagem sobre seu trabalho, mesmo que ele seja tecnicamente formidável. Use corretores ortográficos se necessário.
  • Somos todos seres humanos e erros acontecem. Quando detectado algum erro, agradeça quem detectou, faça a correção e siga em frente!
  • Não desista diante do primeiro problema. O segredo do sucesso está em persistir!

 

Equipe DSA

 

Referências:

Preparação Para Carreira de Cientista de Dados

How to Build a Data Science Portfolio

How to land a Data Scientist job at your dream company — My journey to Airbnb

How to get a job as a Data Scientist?

The 4 fastest ways not to get hired as a Data Scientist

Advice on Building Data Portfolio Projects

How to Build a Compelling Data Science Portfolio & Resume

Do you have time for a quick chat?

What I learned from interviewing at multiple AI companies and start-ups