数据科学求职建议：掌握5种类型的数据科学项目

   一年一度的秋招已经打响了发令枪，从去年的薪酬排行来看，算法工程师和数据分析等工做排在前列，不少相关专业的学生一直在自学一些网络上的公开课并阅读一些专业书籍，好比“西瓜书”、“花书”等，若是你如今仍然什么也没有准备的话，然而还想从事数据科学领域这个彷佛使人望而生畏的工做话，如今就要抓紧补补相关的知识了。在这里要提示一点，自我完善的知识不要局限于数据分析相关的知识，还要额外补充下相关领域的知识。另外，简历上展现我的技能的最佳方式是使用技能组合的形式，这样能让雇主相信你可使用你已经学习的技能。为了展现这些技能，如下是你应该着重补充的5种数据科学项目组合类型：

1.数据清理

       数据科学家预计在一个新项目的清理数据处理上花费多达80％的时间，这对于团队来讲是一个巨大的代价。若是你能够证实你在数据清理方面经验丰富，那么你将当即变得更有价值。练习这项能力的方法是建立一个数据清理项目，找到一些混乱的数据集并开始进行清理。

       若是你使用Python语言进行编程，那么Pandas是一个很好用的库，若是你使用R语言编程，那么你可使用dplyr数据包。你实践的数据清洗项目应该确保展现如下技能：

• 导入数据
• 加入多个数据集
• 检测缺失值
• 检测异常
• 输入缺失的值
• 数据质量保证

2.探索性数据分析

       数据科学的另外一个重要方面是探索性数据分析（EDA），这是一个生成问题并用可视化方法对其进行调查的过程。 EDA容许分析人员从数据中得出结论来推进业务影响，它可能包括基于客户细分的有趣洞察，或基于季节效应的销售趋势。一般你能够经过探索性数据分析来获得一些有趣的发现。

       用于探索性分析的一些有用的Python库有Pandas和Matplotlib。对于R用户而言，ggplot2软件包将会颇有用。你实践的EDA项目应该显示如下技能：