Side project 怎麼做 (資料科學、資料分析)

『動手做』是訓練技術能力最有效的方法，學習程式語言，數據分析，跟網站工程這類的技能，除了在工作中增加經驗值外，也可以自己做一些小計畫練練手。履歷中工作經驗不足時，做 side project 一個常見的、可行的彌補方式。

---

Side project 怎麼做呢？我們針對資料科學相關技能，簡單整理一些基本原則，其他領域（網站工程，軟體）也可以參考。

資料來源

要做分析、模型或是視覺化，要先有資料。

資料來源有兩種，一種現成的資料（datasets），最好是公開的，會有一定的公信力和價值（不是亂七八糟的資料，變成 garbage in garbage out）。很多人用的 Kaggle 上面就有很多現成的資料組，很多政府機關和公共部門也會有可下載的資料組。 Kaggle 上還有很多其他人的 project 可以參考，也非常適合學習和練手。但是放在履歷上的 Side project 最好挑冷門一點點，內容更一定要有新意。

進階一點的，可以使用『網路爬蟲』，蒐集自己的資料（或是與其他人合作）。好處是順便顯示自己的段位，而且主題可以更多元更有趣。網路爬蟲要注意，有些網站會在某個時間點（可能是發現你爬太多資料）禁止訪問或是修改設計。爬下來的資料要記得備份，至少呈現內容的用的 deliverable 不要仰賴於實時的爬蟲（萬一面試被要求被要求展示，不會受到網路等等的影響）。

無論採用網路上的公開資料，或是自己爬蟲，都要把『收集資料』的過程，相關程式碼保留下來。每一個步驟，都要清清楚楚，甚至任何人都可以用你公開的內容重現結果，這符合現在推廣的 reproducible research 的概念。

主要結構（要有料）

內容依照你的專長，可以分為分析為主或是模型為主（或是最好兩者都有一點）。如果分析為主，最好不要停留在 EDA (Exploratory Data Analysis) 的層次，而要延伸出（與其他人不同的）洞見 (insight)。即使是以很硬核的機器學習、人工智能模型為主打，也不要單調的呈現結果。

呈現的方式，除了展現技能外，可以用視覺化、互動、模擬應用來達到更好效果。『視覺化』就是圖或影片，用來說故事，表現洞見；除了符合資料表現的原則外，基本的美觀也很重要。如果可以，盡量加入『互動』的元素，讓觀眾、使用者可以輸入一些訊息，得到不同的反饋。最好的 project，呈現時也要模擬實務上的應用。

Deliverable & Pitch

Deliverable 指的是要呈現的東西，理論上可以是任何形式（文章、海報、投影片、網站、應用程式）。我們建議至少要有原始碼與視覺呈現兩個元素，也要有可以與口頭解說搭配，隨時做一個簡單報告（pitch）的設計。

原始代碼，最好可以用 github 整理，除了免費線上 hosting 之外，也可以展現你使用相關工具（git）和整理代碼的能力。最基本的視覺呈現，可以是 github 上帶圖片的文件檔（markdown）。

對於放在履歷上的 project，要準備簡單的報告，最好有短到長好幾個版本，例如：一分鐘以內的 elevator pitch，三分鐘、十五分鐘的報告，應付不同情境。(Elevator pitch 顧名思義就是『假如你在電梯裡碰到某個人，怎麼非常簡短介紹你在做什麼』：基本上 30 ~ 60 秒，三句話：我是誰，我做了什麼，有什麼影響)

Pitch 指的是『提案報告』，例如新創公司對潛在投資者的報告。在求職情境下，你要賣的產品就是『人才』：就是你自己。目標是讓重要的對方看到你的價值，對你的工作經驗和潛能，甚至是人格特質感興趣，願意投入。Pitch 的重點是要把握 project 可能的商業應用，可以針對求職的目標設計，也要準備解說過程中的技術困難點和你如何克服。

---

如果有個很好的 project，更要在求職過程中，把握每個可以 pitch 的機會。除了面試以外，各種 networking 的活動，甚至 informational interview 都可以是展現的機會。

---

＃也可以參考 The Data Incubator 對於 Capstone project 的說明：這個機構的盈利模式之一，就是藉由訓練半路出家的 Data 相關人員，介紹給合作的公司然後跟公司收取獵頭費，所以他們的介紹很有實用價值。