Overslaan en naar de inhoud gaan
Ingediend door Moongro on 02 februari 2017

Advies voor data sience hackers

Hackathons zijn de beste events waar je met je colllega’s in een intensieve competitieve omgeving, waar je plezier kunt hebben door het bouwen van een nuttig product, leert van anderen en ook nog eens nieuwe mensen ontmoet. In de afgelopen jaren zijn de data science hackathons ook in toenemende mate populair bij data wetenschappers en ontwikkelaars.

Maar welk advies kan je goed gebruiken tijdens een hackathon? Laten we beginnen met een paar stukken van adviezen die gelden voor het leven , in het algemeen, maar ook data science hackathons .

1) Improviseer.
Er is geen betere manier om een ​​hackathon te beginnen dan door te komen met lege hersenen die open staan voor alle ideeën die andere mensen inbrengen.

2) Kies je teamgenoten zorgvuldig.
Kies je teamgenoten zorgvuldig. Alleen door te werken met mensen die precies denken zoals jij, hebben dezelfde vaardigheden als jou om alle wrijving te voorkomen ( zie tip 8)

3)Neem maximaal één persoon uit het bedrijfsleven in je team.
Personen uit het bedrijfsleven leveren vaak niet de innovatieve en ceatieve bijdrage, maar kunnen wel goed het idee presenteren en verkopen en daar een plan rondom maken en komen in de eindfase aan de beurt om te presteren.

4) Gebruik zoveel mogelijk tools.
Je moet er voor zorgen dat je de perfecte tools hebt voor elke stap in het proces. Wat betekent dat je een tool moet hebben voor het verwerken van gegevens, een andere tool voor de machine learning, exploratieve datavisualisatie, web apps, en ga zo maar door.

5) Het is tijdens de hackathon niet het juiste moment om tools te testen.
Dus doe je onderzoek en de benchmark van alle verschillende tools die je kunt vinden, met documentatie, zodat je zeker weet dat taakbeheer app die u hebt gekozen de beste is die er.

6) Heb je geen tijd het organiseren van uw team en het beheer van uw workflow.
Het beste deel van een hackathon is The Final Countdown , klauteren door uw bestanden voor die definitieve versie van het script , omdat je niet zeker weet welke de juiste uiteindelijke dataset tussen : data - voorbereid - gereinigde - ingezet - V36 en data - prepared- ingezet - enriched_v22 en besef dat het verschil tussen dit is dat de persoon die verantwoordelijk is voor het schoonmaken en verrijkende niet begint met dezelfde versie.