Construindo seu portfólio em Data Science
Quando você pensa em começar a trabalhar com ciência de dados é complicado mostrar para uma empresa seu potencial sem nunca ter trabalhado na área. Na verdade isso é um dilema em quase todos os trabalhos…
Em particular, para quem está saindo da academia (escola, faculdade, mestrado, etc), como para quem se encantou com Data Science e está buscando uma nova área de atuação isso se torna um pouco mais fácil por terem vários meios de divulgar o seu trabalho e montar um “portfólio”. Vamos comentar um pouco sobre alguns deles.
1- Contribua com projetos com código aberto
Existe uma infinidade de projetos abertos. São projetos que possuem código fonte aberto (open source) que os desenvolvedores deixam disponíveis para a comunidade contribuir e evitar retrabalho.
Diferente da maioria dos empregos, programadores se envolveram em um senso comunitário e criaram muitos projetos que, mesmo estando em empresas diferentes, eles podem contribuir e tornar o projeto forte para uso de ambas as empresas. Ou seja, mesmo sendo concorrentes em alguns segmentos, programadores da Microsoft e do Google estão nesse exato momento contribuindo para projetos juntos.
A rede social de programadores chamada Github é um dos maiores berços desses projetos, e o mais legal é que você pode contribuir para eles! Essas contribuições contam muito para contratação porque você meio que já está ajudando outras empresas e aprendendo com programadores dessas empresas maneiras!
Você deve estar se perguntando, mas como entrar nessa comunidade maravilhosa? É bem simples, você só precisa:
- Se cadastrar no Github
- Aprender a usar o Git
- Escolher um projeto e seguir o guia de contribuições (normalmente um arquivo CONTRIBUTING.md ou algo assim)
Aqui vai uma lista bem bacana de projetos que você pode contribuir por dificuldade e por linguagem de programação: https://github.com/MunGell/awesome-for-beginners
Existem outros projetos até para ajudarem em seu estudo como o Awesome Data Science e outros famosos como o Serenata de Amor e o próprio Pandas.
2- Fazer desafios de Data Science
Existem muitas empresas que estão começando a abrir seus dados com desafios como se fosse um “freela” de Data Science. Para essas empresas vemos dois objetivos claros:
- Resolver um problema real de forma barata (terceirizando)
- Contratar quem resolveu, ou os melhores colocados
O legal é que mesmo uma outra empresa pode se aproveitar dos desafios já lançados para tentarem contratar as pessoas que mandaram bem neles. Ou seja, você ganha uma visibilidade grande no mercado.
Atualmente o site mais famoso com esses desafios é o Kaggle. Nele, grandes empresas como o Google, empresas sem fim lucrativos e até empresas brasileiras como a Porto Seguro colocam desafios lá e conseguem ótimas respostas. Alguns exemplos de desafios legais de lá:
- https://www.kaggle.com/c/digit-recognizer
- https://www.kaggle.com/abecklas/fifa-world-cup
- https://www.kaggle.com/c/porto-seguro-safe-driver-prediction
Outra coisa legal do Kaggle é o ranking geral. Conforme você vai indo bem nos desafios, existe um ranking por desafio e um outro geral para todo site.
Se você quiser contribuir para a sociedade e ajudar a melhorar o mundo, existe o projeto Driven Data que tem o mesmo propósito do Kaggle, mas com um grande viés social.
3- Entrar na comunidade
Existem muitos grupos de tecnologia em várias redes sociais, mas principalmente no Telegram. Esses grupos se ajudam, compartilham conhecimentos e até vagas de emprego.
Ao entrar numa comunidade pergunte. Tire suas dúvidas sempre e contribua sempre que possível com outras pessoas. Os interessados são interessantes…
Alguns links de comunidades pra você apreciar:
- https://www.facebook.com/groups/bigdatabrasil
- https://t.me/iaBrasil
- https://t.me/datasciencepython
- https://t.me/opendatascience
- https://t.me/bigdatabr
- https://t.me/ai_machinelearning_big_data
Existem alguns eventos como a TDC, QCon e meetups que precisam muito de pessoas para fazer eles acontecerem. Vá assistir, palestre ou até organize um! Tem muita gente que vai ficar grata com sua iniciativa e te ver com bons olhos.
Não só de tecnologia vivem os humanos… precisamos trocar experiências! Aproveite os happy hour para conhecer pessoas novas, novas empresas ou até novas tecnologias (afinal, deve ser um bom ponto para início de assunto).
Alguns eventos legais que você pode pensar em ir:
- https://www.meetup.com/pt-BR/ai-brasil/
- https://www.meetup.com/pt-BR/AnalyticsEmTudo/
- https://www.meetup.com/pt-BR/machine-learning-big-data-engenharia/
4- Poste novidades sobre o que vai descobrindo
Quanto mais a internet te conhecer, mais outros podem te conhecer.
Plataformas como o Medium ajudam muito da difusão de conhecimento, mas nem sempre precisa criar um artigo como este, somente uma postagem no Twitter já pode fazer um grande sucesso.
Muita gente prefere não escrever, mas tudo bem. Canais no YouTube como o do Ricardo Paiva e Podcasts como o Pizza de Dados estão cada vez mais famosos e didáticos pra quem prefere conteúdo em mídia.
Não tenha medo de errar! Se isso acontecer só agradecer ao feedback do amigo e editar o conteúdo. Deixe o orgulho de lado!
5- Estude, estude e estude
O conhecimento é a maior arma que você pode ter. Para todos os pontos anteriores você precisa muito desse conhecimento.
Entre em uma pós graduação, num curso online ou deixe o Data Bootcamp te ajudar presencialmente! Escolha a melhor forma, mas nunca pare de estudar porque isso nunca vão poder tirar de você.
Você muitas vezes vai estudar com ajuda da comunidade e trocar conhecimento, mas não deixe de acreditar preferencialmente em artigos científicos, livros e pessoas conceituadas.
Em relação a cursos online você pode olhar muito material no Coursera e na Udemy.
Conclusão
O mais legal é que todos os tópicos abordados aqui só ajudam você e a comunidade. Estes 5 tópicos não te garantem uma vaga em lugar algum, mas aumentam a visibilidade para que as empresas tenham menos dúvidas sobre seu potencial e queiram testar esse potencial em uma entrevista!
Obrigado!
Equipe Data Bootcamp
