Buat Akun DQLab & Akses Kelas Data Science Python, R, SQL, Excel GRATIS!

4 Praktisi Data Sebagai Referensi Portfolio Data Analyst

Belajar Data Science di Rumah 26-April-2023
https://dqlab.id/files/dqlab/cache/c17ff3d551d24ea484a183c185037002_x_Thumbnail800.jpeg

Menjadi calon data analyst, pastinya kalian harus memiliki yang namanya sebuah portofolio. Ini karena portofolio menjadi hal yang paling penting dan utama untuk kalian siapkan agar bisa melakukan apply pekerjaan di berbagai perusahaan, baik perusahaan besar maupun kecil. Karena biasanya perusahaan akan meminta para kandidatnya untuk melakukan update portofolio atau bisa dengan membuat portofolio data jika kalian adalah lulusan baru karena ini juga sebagai aspek penilaian untuk para recruiter. Mulai dari inilah para recruiter akan melakukan sebuah penilaian terhadap kandidat yang memiliki peluang untuk bisa masuk ke dalam perusahaan dan akan mengisi posisi yang akan diambil. Para recruiter nantinya akan melihat juga background pendidikan para kandidatnya. Portofolio yang menurut mereka bagus akan membuat kalian dipermudah untuk mendapatkan posisi yang kalian inginkan.


Jika kalian masih bingung ingin membuat portofolio yang seperti apa untuk ditampilkan, DQLab sudah merangkum beberapa contoh portofolio yang bisa kalian ikuti sebagai referensi kedepannya. Jadi simak terus artikel berikut ini ya!


1. Yan Holtz

Salah satu seorang praktisi data yang bisa kalian jadikan sebuah inspirasi untuk portofolio adalah Yan Holtz. Yan Holtz sebenarnya adalah seorang yang memiliki spesialisasi di dalam data analisis dan juga data visualisasi. Ia juga bekerja sebagai software engineer di sebuah perusahaan yang bernama Datadog, yaitu perusahaan yang melayani pemantauan cloud secara global yang berbasis di Amerika Serikat. Di bagian depan dari homepagenya kita akan disuguhkan dengan desain interaktif yang bisa mencuri perhatian dan juga sebagai penunjuk atas kemampuannya. Sebagai seorang software engineer, yang membuat front-end bagus dan juga terhubung ke dalam situs web lain, contohnya seperti GitHub. Yan juga membuat sebuah pop-up yang cukup menarik di dalam projectnya yang akan menampilkan sebuah overview yang jelas tentang apa saja yang dia kerjakan di dalamnya. Setelah selesai, kalian dapat menjelajahi projectnya melalui aplikasi ataupun di dalam GitHub miliknya.


Baca juga : Kenali Perbedaan Data Scientist, Data Analyst dan Data Engineer


2. James Le

Selanjutnya adalah James Le. James Le adalah seorang data scientist, peneliti machine learning dan juga seorang jurnalis. Situs web milik jame dapat dengan mudah membuat siapapun kewalahan, tapi dia dapat dengan rapi memecah situs webnya untuk bisa membantu pengunjung untuk fokus pada apa yang mereka cari, yaitu seperti jurnalismenya, penelitian akademisnya, dan juga keahlian analitik datanya. Sebagian besar proyek milik james berbasis kode, dan dia langsung menakutkannya ke dalam file di GitHub. Dia juga masih berhasil mempertahankan portofolionya dengan menggunakan gambar splash yang cerah. Ini yang memberikan front-end visualnya cukup bagus. Semua proyek milik james menggunakan Jupyter Notebook dan juga R-Notebook. Dengan menggunakan format ini membuat kode interaktif dapat bergabung dengan teks dan juga elemen visual untuk menyajikan analitik data bekerja dengan jelas dan juga konsisten.


3. Anubhav Gupta

Selanjutnya ada Anubhav Gupta, yaitu seorang data analyst yang merupakan seorang lulusan dari School of Information di UC Berkeley. Dia juga pernah bekerja di berbagai perusahaan cyber security. Hal yang membuat portofolio menarik adalah dia menyajikannya secara compact. Semua informasi didalamnya dimuat di dalam satu halaman web pendek. Manfaat darinya adalah tidak akan ada yang cepat bosan ataupun kehilangan jejak dimana mereka sedang berada. Begitu kalian masuk ke dalam portofolionya, kalain akan disajikan dengan beberapa kilas informasi yang bertentangan dengan dirinya, seperti siapakah dia dan apa saja yang telah dia lakukan, lalu selanjutnya kalian akan melihat berbagai macam proyek yang sudah dirinya kerjakan. Dia juga mengambil sebuah pendekatan yang cukup sedikit berbeda dari banyaknya proyek lain, yang dimana ia berfokus di dalam perannya. Contohnya seperti machine learning engineering, daripada konten projectnya dia.


Baca juga : Data Analyst vs Data Scientist, Yuk Kenali Perbedaannya 


4. Tim Hopper

Terakhir ada Tim Hopper. Tim Hopper adalah seorang data scientist, machine learning engineer, dan juga seorang pengembang software cyber security yang memiliki basis di Amerika Serikat. Tims sendiri adalah contoh portofolio multimedia yang bagus. Karena dia memasukkan beberapa kombinasi seperti podcast, artikel, dan juga video yang menunjukkan kita apa saja yang dia lakukan dan juga menunjukkan kepada kita bagaimana dia bekerja. Untuk rincian proyeknya semua terlampir di dalam github milik dirinya. Di homepagenya, Tim cukup menarik perhatian karena visual yang tidak terlalu mencolok tetapi berani untuk di tampilkan. Untuk tampilan menu utamanya Tim menyertakan tautan ke dalam podcast, artikel milik tim, dan juga situs menarik lainnya. Menariknya bahwa tim tidak menggunakan portofolionya untuk membahas sebuah proyek tertentu, tentunya ini adalah sebuah langkah yang berani. Dengan memberikan merek pribadi yang khas, kalian bisa mencontoh tim. Karena dengan memasukkan artikel, video, dan podcastnya, Tim dapat memberikan bukti langsung bahwa dia adalah seorang komunikator dan juga data scientist yang cukup kompeten.


Gimana sahabat DQ? Kamu bisa belajar lebih lanjut terkait data science dan rangkaian skillset untuk menjadi praktisi data. DQLab merupakan salah satu situs belajar online yang tepat kamu pilih terutama jika kamu adalah seorang pemula atau profesional yang ingin beralih profesi sebagai praktisi data. Karena pembelajaran DQLab berfokus dengan pengenalan Data Science & Artificial Intelligence (AI) dengan menggunakan bahasa pemrograman populer seperti python dan R.


Selain itu juga merupakan platform edukasi pertama yang mengintegrasikan fitur ChatGPT. DQLab juga menerapkan metode HERO yaitu Hands-On, Experiential Learning & Outcome Based yang dirancang ramah untuk pemula. Sehingga membuat kamu terlatih berdasarkan trial and error. 


Yuk, langsung saja sign up sekarang mudah banget kok caranya cukup ke DQLab.id lalu pilih menu learn. Setelah itu kamu sudah bisa menikmati pembelajaran yang praktis dan aplikatif dan jago machine learning bersama DQLab! Tunggu apa lagi? Yuk, signup sekarang dan mulai belajar Module Premium di DQLab!

Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login