还在纸上谈兵？第一份工作前获得数据科学实战经验的3种方法

大数据文摘出品

来源：medium

编译：青柠

事实上，拿到第一份数据科学的工作是很难的。

许多公司通常需要硕士学位和至少2-3年的工作经验，这对进入数据科学领域尤其困难。话虽如此，作者仍然有很多宝贵的资源想和你们分享。

在本文中，作者将提供三种方式，让你自己获得实际的数据科学经验。通过完成这些项目，你将深入了解SQL、Pandas和机器学习建模。

首先，作者将为你提供真实的SQL案例研究，在这些案例中，你将遇到一个业务问题，需要查询数据库来诊断问题并制定解决方案。

其次，将提供几十个Pandas的练习问题，Pandas是Python中一个用于数据操作和分析的库。这将培养你整理和清洗数据所需的技能。

最后，还提供了各种机器学习问题，你可以开发一个机器学习模型来进行预测。这样，你将学习如何处理机器学习问题，以及从头到尾开发机器学习模型所需的基本步骤。

说到这里，让我们开始吧!

1. SQL的案例研究

如果你想成为一名数据科学家，你必须有很强的SQL技能。Mode提供了三个模拟实际业务问题的SQL案例研究，以及一个可以编写和运行查询的在线SQL编辑器。

要打开Mode的SQL编辑器，请转到以下网站（https://mode.com/sql-tutorial/intro-to-intermediate-sql/ ），并点击‘Open another window to Mode’的超链接。

学习SQL

如果你是SQL新手，可以从Mode的SQL教程开始，学习基本的、中级的和高级的SQL技术。如果你已经对SQL有了很好的理解，那么可以跳过此部分。

案例研究1：调查用户参与度下降

链接：

https://mode.com/sql-tutorial/a-drop-in-user-engagement/

本案例的目的是确定Yammer项目用户参与度下降的原因。在深入研究数据之前，你要先阅读Yammer的概述（https://mode.com/sql-tutorial/sql-business-analytics-training/ ）。有4个表供你使用。

该案例的链接包含有关问题，数据和需解决问题的更多详细信息。

如果你需要指导，可以查看我如何进行此案例研究：

https://medium.com/m/global-identity?redirectUrl=https%3A%2F%2Ftowardsdatascience.com%2Fsql-case-study-investigating-a-drop-in-user-engagement-510b27d0cbcc%3Fsource%3Dfriends_link%26sk%3D49cdc679e66cae75257b955db51f4fe5

案例研究2：了解搜索功能

链接：

https://mode.com/sql-tutorial/understanding-search-functionality/

该案例更侧重于产品分析。在这里，你需要深入研究数据并确定用户体验的好坏。这个案例的有趣之处在于，它取决于你来决定“好”和“坏”的含义以及如何评估用户体验。

案例研究3：验证A / B测试结果

链接：

https://mode.com/sql-tutorial/validating-ab-test-results/

最实际的数据科学应用之一是执行A/B测试。在这个案例中，你将深入研究A/B测试的结果。其中控制组和实验组之间有50%的差异，你的任务是在彻底分析之后验证结果正确或确认结果无效。

2.Pandas练习项目

当我第一次开始开发机器学习模型时，我发现缺乏Pandas技能是一个很大的限制。不幸的是，与Python和SQL不同，互联网上没有太多练习Pandas技能的资源。

然而几周前，我发现了这个资源——这是一个专门针对Pandas的练习问题。通过完成这些练习题，你将知道如何:

• 筛选和排序数据
• 分组汇总数据
• apply()函数批量操作数据
• 合并数据集
• 以及更多

如果你能够完成这些练习题，你就可以自信地说你知道如何在数据科学项目中使用Pandas。它还会为下一节提供重要帮助。

3.机器学习模型

获得数据科学经验的最佳方法之一是创建自己的机器学习模型。这意味着要找到一个公共数据集，定义一个问题，然后用机器学习来解决这个问题。

Kaggle是世界上最大的数据科学社区之一，拥有数百个可供选择的数据集。下面是一些你可以用来入门的题目。

预测葡萄酒质量

数据集链接：

https://www.kaggle.com/uciml/red-wine-quality-cortez-et-al-2009

这个数据集包含了各种葡萄酒，以及它们的成分和质量数据。这可能是一个回归或分类问题，取决于你如何构建它。看看你能否在11个输入条件下预测红葡萄酒的质量(固定酸度、挥发性酸度、柠檬酸、残糖、氯化物、游离二氧化硫、二氧化硫总量、密度、pH值、硫酸盐和酒精)。

如果你需要这个数据集在机器学习模型方面的一些指导，请查看我的方法：

https://medium.com/m/global-identity?redirectUrl=https%3A%2F%2Ftowardsdatascience.com%2Fpredicting-wine-quality-with-several-classification-techniques-179038ea6434

二手车价格估计

数据集链接：

https://www.kaggle.com/austinreese/craigslist-carstrucks-data

Craigslist是世界上最大的二手车销售网站。这个数据集是由Craigslist的数据组成，每隔几个月更新一次。看看你能否利用这个数据集来预测一辆车的价格是过高还是过低。

看完这篇干货满满的文章，还不赶快收藏起来~

相关报道：

https://towardsdatascience.com/3-ways-to-get-real-life-data-science-experience-before-your-first-job-545db436ef12