《70%求职者因此被拒你还不避开这些“雷区”?!.docx》由会员分享,可在线阅读,更多相关《70%求职者因此被拒你还不避开这些“雷区”?!.docx(8页珍藏版)》请在金锄头文库上搜索。
1、70%求职者因此被拒,你还不避开这些“雷区”?!全文共3713字,预计学习时长7分钟很多想要在数据科学行业寻找一席之地的人正在慢慢意识到这个问题:在数据科学这个领域应聘,想得到求职或者面试反馈是基本不可能的。互联网公司对这些信息守口如瓶有很多原因。其一,公司给出的每一条拒绝理由都可能招致法律诉讼。其二,很多人并不能很好地消化负面消息,有些人甚至会变得十分偏激。其三,如果要这么做的话,想想面试官要花多长时间写一篇构思精良的反馈给几十个甚至上百个应聘的人。除此之外,公司并没有从中得到任何好处。于是,就出现了一大批困惑、迷茫又想要有所成就的数据科学家。但好消息是:在这个行业,求职被拒的原因其实也就那
2、么几个,针对这些不足还有很多方法来进行弥补。不管是技术性还是非技术性的技能,应聘者所不具备的也正是这些公司迫切需求的,本文旨在对这些问题进行探讨。原因1:使用Python语言处理数据科学的技能大部分数据科学模型都基于Python环境。在使用Python语言处理数据结构时,仅有少数工具能将新手和经验丰富的老手区分开来。如果你指望通过创建特别出众的项目来吸引雇主的注意,这些工具能迅速拉开你和其他人的差距。要想促使自己扩充数据科学理论方面的知识,提高实践能力,可以在项目中尝试以下几个方法:数据挖掘。你应该熟练掌握pandas函数,比如.corr(),scatter_matrix(),.hist()
3、和.bar()这些语句的使用。你应该时刻注意,利用主成分分析(PCA)原理或者t-SNE的方法将数据可视化,在Python语言中可以使用sklearn的PCA和TSNE。特征选择。在90%的情况下,数据集会有很多并不需要的特征,这些特征会耗费不必要的调试时间,还很可能会出现过拟合的现象。这就要求数据科学家们熟练掌握基本的筛选方法(如scikit-learn库的VarianceThreshold函数和SelectKBest函数)和稍显复杂的基于模型的特征筛选方法(如SelectFromModel)。使用超参数搜索的方法来寻找最优模型。数据科学家一定得知道GridSearchCV函数是什么、怎么用
4、。RandomSearchCV函数同理。要想出类拔萃,你可以用skopt库中的BayesSearchCV这个函数来实验一下,看看怎么将贝叶斯优化法运用到超参数搜索中。管道机制。sklearn中的pipeline库可以帮助你一站式完成数据预处理、特征选择和建模这些步骤。如果你对pipeline不熟悉的话,那就说明你应该加强对建模工具包的学习。原因2: 概率论和统计学知识图片来源: 软件工程小窍门数据科学家被要求做软件工程工作的情况越来越多。很多雇主都要求应聘者管理好自己的代码,在笔记本和草稿上留下清晰的注释。尤其是以下几个方面:版本控制。你应该知道怎么使用git系统,并且能用命令行和自己的GitHub库远程互动。如果你还不能做到的话,建议你从下面这个教程开始。教程传送门:https:/ name = main语句是什么,为什么重要。使用列表解析(list comprehension)。不要滥用for循环。最后要记得给你的项目附上一个README文件。原因4:商业嗅觉图片来源: 点赞 关注我们一起分享AI学习与发展的干货欢迎关注全平台AI垂类自媒体 “读芯术”添加小编微信:dxsxbb即可进微信交流群