4 Project DQLab untuk Bangun Portfolio Data Scientist
Portofolio adalah salah satu aspek penting untuk kamu yang baru ingin memulai karir sebagai data scientist. Portofolio merupakan dokumen yang bisa menunjukkan skill bekerja kita di dunia nyata. Portofolio untuk berkarir sebagai data analyst dapat menjadi bukti skill yang kita miliki kepada recruiter, hiring manager, dan client potensial yang tidak bisa kita cantumkan pada resume atau CV. Jika kita telah mencantumkan daftar skill kita pada CV atau resume, maka dengan portofolio data scientist kita bisa membuktikan skill tersebut untuk filterisasi awal. Sederhananya, sebuah portofolio adalah kumpulan dari project terkait data yang telah kita selesaikan.
Selain berisi project dan penjelasan singkat mengenai skill yang kita miliki, kita bisa juga menambahkan link media sosial, linkedin, github, dan lain sebagainya lho! Pertanyaannya, darimana bahan untuk membuat project tersebut untuk portfolio data scientist? Sebenarnya ada banyak sumber open source yang bisa kita akses. Namun, jika kamu masih pemula dan membutuhkan arahan saat mengerjakan project, kamu bisa mengakses beberapa project dari DQLab berikut ini.
1. Modul Data Visualization in Data Science Using R
R merupakan salah satu bahasa pemrograman yang populer dikalangan data analyst. Hal ini karena R memiliki berbagai package dan library untuk analisis data. Salah satu fungsi R adalah untuk visualisasi data dengan chart atau diagram yang cantik namun mudah dipahami. Untuk memulai project, kamu bisa mengakses modul Modul Data Visualization in Data Science Using R dari DQLab. Modul ini berisi cara-cara menggunakan library ggplot yang merupakan salah satu library terkenal untuk membuat chart yang powerful.
Baca juga : Mengenal Profesi Data Scientist
2. Modul Data Science in Finance: Credit Risk Analysis
Modul kedua yang bisa kamu gunakan untuk membangun portofolio adalah modul Data Science in Finance: Credit Risk Analysis. Modul ini lebih berfokus pada penerapan analisis data dalam bidang finance dengan menggunakan algoritma decision tree dengan tools R. Goals dari modul ini adalah untuk membuat dan mengoperasikan model prediksi risiko kredit beberapa konsumen. Di bagian awal, kita akan dikenalkan terlebih dahulu bagaimana analisis data bekerja dalam analisis risiko kredit hingga praktik langsung.
3. Modul Data Science in Retail: Market Basket Analysis
Seperti yang telah dijelaskan di awal, ada berbagai analisis yang bisa kita masukkan dalam portofolio. Semakin beragam bidang project yang kita kerjakan, semakin tinggi pula pengalaman kita untuk menganalisis data dari berbagai sektor industri. Dengan modul Data Science in Retail: Market Basket Analysis, kita bisa membangun portofolio mengenai bagaimana cara meningkatkan performa bisnis dengan menemukan hubungan antar produk berdasarkan transaksi menggunakan algoritma machine learning, yaitu algoritma apriori. Pada modul ini kita akan menggunakan bahasa pemrograman R.
4. Modul Data Science in Marketing: Customer Segmentation
Salah satu metode yang banyak dicantumkan dalam portofolio data analyst adalah algoritma clustering. Dengan modul Data Science in Marketing: Customer Segmentation dari DQLab, kita bisa membangun portofolio dengan tujuan untuk membagi customer menjadi beberapa kelompok berdasarkan ciri-ciri tertentu yang bermanfaat bagi bisnis di bidang marketing dan CRM. Kamu akan diberi kesempatan untuk membangun algoritma K-Means Clustering dan mempraktekkannya secara langsung.
Baca juga : Yuk Kenal Role Data Scientist, Profesi Menarik Dengan Gaji Besar
Selain 4 modul di atas, masih banyak modul lain yang bisa kita gunakan untuk membangun portofolio. Tidak hanya R, kita juga bisa mengembangkan project lain menggunakan Python, SQL, bahkan Excel.
DQLab adalah platform belajar online yang berfokus pada pengenalan Data Science dan Artificial Intelligence dengan menggunakan bahasa pemrograman populer seperti R dan Python. Menariknya, DQLab adalah platform edukasi pertama yang mengintegrasi fitur ChatGPT yang memudahkan beginner untuk mengakses informasi mengenai data science secara lebih mendalam.
DQLab juga menggunakan metode HERO yaitu Hands-On, Experiential Learning & Outcome-based, yang dirancang ramah untuk pemula. Jadi sangat cocok untuk kamu yang belum mengenal data science sama sekali. Untuk bisa merasakan pengalaman belajar yang praktis dan aplikatif, yuk sign up sekarang di DQLab.id atau ikuti DQLab LiveClass Bootcamp Machine Learning and AI for Beginner untuk informasi lebih lengkapnya! Ingin bangun portfolio? Yuk signup sekarang!
Penulis: Galuh Nurvinda K