Kaggle不给你的数据科学简历加分的五个理由

如果你刚刚开始塑造自己数据科学方面的资历，你可能听过这样的建议：去做个Kaggle项目吧。的确，这会是个不错的起点，能让你忙活起来，摆弄数据和各种技术工具。Kaggle也刚刚推出了新的数据集功能，允许公众获取并处理更多数据。然而，当你需要在简历里展示自己的项目经历时，不要指望Kaggle可以作为什么可靠的凭据。原因如下：

1. 很难从竞赛中脱颖而出。

除非你能在某次竞赛中获取极高的排名（或者有一份日积月累的，令人印象深刻的Kaggle履历），否则仅仅通过参与这些项目无法帮你的简历脱颖而出。鉴于成千上万的人也在做同样的项目，仅仅通过反复思考不足以让你与众不同。你会学到很多东西，这当然很重要，但这不会让你从竞赛中脱颖而出。

2. 只能展示出片面的数据科学技能。

比赛中，你通常会得到一个干净的数据集，这不利于展示全套数据科学技能（从数据整理，到分析和建模，到得出结论）。数据科学家的大量时间都花费在提取、清理、操作数据上，所以如果能做些展示这些技能的独立项目（而不仅仅是Kaggle），更能激发招聘经理的注意力。

3. 竞赛的主题通常不是你热情所在。

如果你对某个主题/问题感兴趣，你会投入更多时间、想法、汗水去解决它。人类的行为就是如此。无数招聘经理告诉我们，某些求职者描述了他们真正感到好奇的事物，这使得他们与众不同。

4. 看起来缺乏主动性。

如果你不是靠自己想出一个主题/想法去做分析（而是从Kaggle里找了一个），这会立刻（无意中）展示出你缺乏主动性。招聘经理更喜欢看到求职者有足够的动力去开创一个项目，或者解决一个自己真实面对过的问题。

5. 竞赛主题很可能与你求职的公司无关。

除非你极其幸运，否则无法找到/执行一个与你要找的工作直接相关的Kaggle 项目。想象一下，如果你能对目标公司面对的问题，积极地提出一个主题、寻找数据、进行一些分析，这会对你的申请有多大的帮助？招聘经理肯定会非常兴奋！

所以现在怎么办？ 规划一些独立项目。从你感兴趣的领域入手。想出五个你想探索的问题，然后找些数据来帮你解决。你甚至能从Kaggle上找到你需要的数据集，过时的“谷歌大法”也会很有帮助

原作者：Sebastian Gutierrez & Hannah Brooks 翻译：王鹏宇 原文链接： http://datascienceresume.com/advice/5-reasons-why-doing-kaggle-projects-won-t-help-you-create-a-stand-out-data-science-resume

原创文章，作者：数据工匠，如若转载，请注明出处：《Kaggle不给你的数据科学简历加分的五个理由》https://www.afenxi.com/post/11213