Tras el acelerado desarrollo vivido en los últimos años en la capacidad de almacenamiento y procesamiento de las computadoras, sumado a una exponencial digitalización de nuestros hábitos, tener una estrategia clara en la gestión de datos se volvió un imperativo para cualquier empresa o gobierno. Los usuarios individuales también cambiaron su forma de relacionarse con los datos que producen, y no nos referimos únicamente a la información personal que dejan en la inscripción de un evento o al crear un usuario. Las imágenes, mensajes, transacciones, incluso movimientos que captó una cámara en un espacio público, también son datos. Y es probable que alguien los esté analizando para convertirlos en información. Y la información, como sabemos, también es poder.

Este aumento en la importancia de los datos se refleja en la creciente demanda de data scientists, una demanda que todavía no encuentra techo. Si sos uno de esos profesionales que está atendiendo a esta creciente necesidad, este artículo te va a ser muy útil para comenzar a armar tu perfil profesional. En ese sentido, voy a explicarte cómo dar uno de los pasos más importantes en el inicio de tu carrera: te voy a contar cómo armar tu portfolio de científico/a de datos.

Portfolio en Ciencia de Datos: 4 consejos para el armado

Ya sea que no cuentes con experiencia en el campo, o que quieras mostrar tu camino recorrido; armar un portfolio es la mejor manera de visibilizar todo lo que sabes y puedes hacer y así potenciar tu carrera en ciencia de datos. En ocasiones, este paso es incluso más importante que el armado de un CV (hoja de vida), por lo que vas a querer dejar una buena impresión. Aquí te dejo algunos consejos para armarlo.

1. Piensa qué tipo de científico de datos quieres ser

Lo primero que tendrás que hacer es definir qué tipo de data scientist quieres ser. No es una decisión para toda la vida, pero tener esto en cuenta va a poner el volante de tu carrera profesional en tus manos. La ciencia de datos es un campo muy amplio: ya sea que te quieras dedicar a desarrollar modelos de machine learning por tu conocimiento en programación, o trabajes interpretando los datos por tu conocimiento en el campo, estoy seguro que existe un rol que encaja con tu perfil. En este articulo profundizo en los distintos perfiles de data scientist que puedes ser.

Si te quieres especializar en un rol, te recomiendo concentrarte en una tecnología para utilizarla en diferentes proyectos. Esto te va a permitir destacarte en ese perfil, y aprender en el camino. Por otro lado, si quieres tener un perfil de data scientist más generalista, puedes incorporar una amplia variedad de proyectos. Esto va a mostrar que dominas diversas herramientas, aunque la complejidad sea menor -siempre hay un trade off entre especializarte en un rol y tener un perfil más amplio-. Para tomar esta decisión es importante que tengas en cuenta tus intereses, motivaciones y ambiciones.

2. Desarrolla tus proyectos

Si ya tienes claro cuál es el perfil que quieres tener como científico/a de datos, es hora de que desarrolles algunos proyectos para agregar a tu portfolio. Aquí van algunos consejos para la elección de proyectos que se destaquen:

• Utilizar datasets clásicos como el de Netflix, Titanic o Iris es una buena opción para aprender: ya hay muchos modelos y resultados con los cuales comparar tu análisis. Sin embargo, para poder mostrar un diferencial y sorprender al recruiter, será una buena decisión usar algunos más originales y menos explorados.

• Hay muchos lugares donde encontrar datasets. Las plataformas más populares son: Kaggle, GitHub y Google. También puedes armar tu propia base a partir de la web, incorporando técnicas de web scraping. Hacer tu propia base es una buena forma de mostrar conocimiento e ingenio.

• Las competencias de Kaggle son muy populares en el ambiente y una buena excusa para escribir código y sumar experiencia.

• Programa tu Notebook de una manera prolija, entendible y bien documentada. Ten en cuenta que tu objetivo es que otros lo lean y entiendan -incluso lo usen-. Puedes agregar títulos, comentarios, gráficos y, sobre todo, busca que las métricas obtenidas se presenten de una manera clara.

• Por último, recuerda que el objetivo de un data scientist es hacer las preguntas correctas. Los recruiters no están evaluando únicamente tu conocimiento técnico. El proyecto tiene que aportar valor y conocimiento, no ser un mero ejercicio demostrativo: sé creativo. Si el Notebook viene acompañado de una interpretación de los datos o una explicación de por qué es importante, mejor aún.

Si quieres seguir incorporando conocimiento para la selección y armado de tus proyectos, te recomiendo este artículo -en inglés-, que desarrolla estrategias para hacer proyectos interesantes.  

3. Comparte tus proyectos para que otros puedan verlos

Ahora que ya tienes algunos proyectos desarrollados, es hora de decidir dónde vas a alojarlos. Para esto existen varias alternativas, mi recomendación es que elijas una y fortalezcas tu perfil allí, en lugar de repartir tu trabajo en distintas plataformas. Puede ser Github, Kaggle o un blog personal. Aquí van algunos documentos que pueden estar incluidos:

• El Notebook, por supuesto. Es el mejor lugar para hacer tus anotaciones, explicar el código, etc.

• Un archivo README que explique cómo ejecutar el código -si fuera necesario- o alguna aclaración importante.

• Puedes incluir algún archivo para ejecutar en un IDE distinto, como Pycharm. Esto sucede con algunos tipos de proyectos que pueden resultar mejor si se diseñan en un Notebook y se ejecutan en otro lugar.

Si tus proyectos se enfocan más en el storytelling de los datos y no en destrezas técnicas, te recomiendo utilizar otras plataformas como Medium y Reddit. Si quieres saber más sobre cómo hacer un buen storytelling, te recomiendo que visites este artículo.

4. Recuerda que tu perfil es más que tu portfolio

Recuerda que armar tu perfil profesional va más allá de la construcción de tu portfolio. La comunidad de data science es muy activa y colaborativa en la web. Los perfiles de Kaggle y Github registran tus colaboraciones y esto es revisado por los recruiters. 

Involúcrate y colabora con otros proyectos; no solo te va a servir para mostrar un perfil más completo, sino que vas a aprender y generar nuevos vínculos en el camino. Una plataforma que es ideal para este tipo de intercambios es Stack Overflow, que probablemente la conozcas si escribes código y tuviste que googlear algún bug.

Otras cosas que puedes hacer son escribir un artículo -como yo XD-, participar de meetups sobre temas que te interesen, o dedicarle algún tiempo para interactuar con otros usuarios y producir contenido en Linkedin. Todas estas estrategias van a darle más visibilidad a tu perfil y conectarte con nuevas personas.

¡Ya puedes comenzar a buscar trabajo como Científico/a de Datos!

Si ya tienes tu portfolio armado: ¡es hora de buscar trabajo! Como te comenté, data science es un campo muy amplio que, afortunadamente, se adapta a distintos perfiles e intereses. Si quieres trabajar en modalidad freelance, hay plataformas como Freelancer o Workana que te conectan con potenciales empleadores. Si quieres trabajar en una empresa puedes buscar consultoras especializadas en Recursos Humanos o enviar tu cv directamente a las empresas de tecnología en las que te gustaría trabajar. También puedes buscar en portales de empleo, ten en cuenta que LinkedIn no es el único lugar donde se publican búsquedas. 

Por último, puedes complementar tu carrera dando clases. América Latina tiene excelentes escuelas como Acamica ;)

Si conoces alguna plataforma que no haya mencionado en este texto, la puedes sugerir en los comentarios para hacer crecer nuestra comunidad

¡Espero que te haya servido! Nos vemos en el próximo artículo.