作者：PerceptiLabs联合创始人兼首席执行官马丁·伊萨克森。

长期以来，版本控制工具一直是信息工作者的主要工具，尤其是那些需要在代码库上存储和协作的地方，同时维护完整的更改历史的开发人员。

多年来，许多这样的工具来来去去或至少失宠了，但今天使用最广泛的系统是GitHub。GitHub之所以广受欢迎有多种原因，最明显的是它是基于云计算的，易于发现，而且定价方案即使是最节俭的经理也会乐意为其盖上橡皮图章。此外，机器学习(ML)从业者通常使用它来存储ML模型、数据和代码，包括我们PerceptiLabs。

但是，除了是一个强大的存储库之外，您是否知道GitHub也可以是一个强大的工具，用于您的求职和整体职业发展？

建立您的在线个人资料，一次只提供一篇文章

许多招聘人员和人力资源部门现在会查看应聘者的完整在线表现，以开发该人的个人资料。随着谷歌等在线工具提供强大的搜索功能，招聘人员希望尽可能了解候选人的一切，以判断他们是否适合特定的角色。因此，你的在线个人资料在你下次找工作中扮演重要角色也就不足为奇了。

在申请一个新职位时，你希望你的在线个人资料不仅仅是一份过时的LinkedIn个人资料和一些脸书上不太专业的照片。你真正想给那些想雇用你的人留下深刻印象的是，你不仅仅是一个在找工作的人。你想让他们看到你的热情、专业知识，以及你在社区中的积极参与，展示技术专长，并展示对手头主题的强烈理解。通过这样做，招聘人员将能够更好地将你与给定的角色相匹配。

这就是像GitHub这样的工具可能是无价的，因为它是展示你的技能、为人所知和展示你的能力的完美场所，而这种方式无法塞进标准的一两页简历中。

当你获得了追随者，追随他人，回应问题和问题，等等，你也可以开始建立你的同龄人网络和你的声誉。当你要介绍一个可以帮助你找到下一份工作的人，或者帮助别人找工作时，这些联系是非常宝贵的。你的声誉本身就是一种资产，因为招聘人员可能会看你是否有大量的追随者和任何星级，并判断你在同行中有多受尊重。

从您感兴趣的公司中识别并为GitHub回购做出贡献也是有益的。它还可以帮助您发现您可能想申请的公司，通过能够看到他们的代码提供的第一手资料。通过参与他们的产品，你可以向组织表明你对他们的技术有直接的兴趣和知识。

小贴士

准备好开始用GitHub建立你的在线存在了吗？这里有几个小贴士要记住：

• 当创建你自己的回购时，一定要保持它的组织性。根目录应该是一个信息性的readme.md文件，而数据、代码等应该放在各自的子目录中。
• 您的readme.md文件是一个展示您的知识、写作和表达想法的能力以及您的思维过程的机会。一定要从描述repo解决的问题开始，然后是结构描述（即，每个目录和文件或文件集代表/包含什么），并提供详细的设置/安装步骤。最重要的是，一定要包括你的名字和联系方式。
• 不要忘记在你的LinkedIn个人资料、个人网站和简历中向招聘人员指出你在GitHub上的贡献。当然，当你在现有的组织中申请一个不同的职位时，这一点也很重要。
• 另外，通过其他媒体如ML论坛、LinkedIn文章/对话等来提高你的在线形象。任何你能证明你的知识的时间都是值得的。

用于机器学习的GitHub回购

有各种各样的ML回购，你可以做出贡献，但这里有几个让你开始：

• TensorFlow2-生成模型：演示ML建模的各种生成方法。
• Awesome-DataScience：学习数据科学基础知识的资源。
• tensorflow模型花园：tensorflow模型的集合。
• https://github.com/scikit-learn/scikit-learn：用于ML的Python模块。
• https://github.com/deepmind/open_spiel:一般研究的环境和算法，包括游戏中的强化学习和搜索/规划。
• https://github.com/aws-samples/aws-machine-learning-university-encelerated-tab：开发人员可以参与的关于ML的课程。
• https://github.com/microsoft/ai：微软基于人工智能的开源存储库。
• https://github.com/ibm/taxinomitis-docs：IBM面向儿童的ML项目和信息。
• https://github.com/tencent/pocketflow：用于压缩和加速深度学习模型的开源框架。
• https://github.com/perceptiLabs：您可以在试用我们的可视化建模工具或跟随我们的教程时使用的示例项目和数据。

我们在PerceptiLabs的希望是，我们的repos将成为学习ML和我们的可视化建模工具的宝贵资源，以及用户可以在与用户连接的同时演示其ML知识的地方。在您为我们的GitHub回购做出贡献之前，我们鼓励您首先发布自己的私人GitHub回购。

最重要的是，享受你的贡献，与他人接触，展示你对机器学习的热情。