4 Project yang Relate untuk Profesi Data Scientist
Portofolio data scientist adalah kumpulan karya terbaik yang pernah kita kerjakan dan menunjukkan keahlian atau skill kita sebagai data scientist. Portofolio data scientist harus menampilkan kombinasi kode dan dokumentasi, serta beberapa contoh tulisan yang menunjukkan kemampuan kita untuk berkomunikasi secara efektif tentang data. Fungsi lain dari portofolio adalah membantu memvisualisasikan proses dan bagaimana kita berpikir untuk memecahkan sebuah masalah.
Portofolio data scientist dapat berisi berbagai project, seperti machine learning, analisis data eksplorasi, computer science , bahasa pemrograman, dan banyak lagi. Project ini juga bisa menjadi cara yang bagus untuk memamerkan proyek sains atau minat pribadi apa pun yang terkait dengan sains dan data, seperti membuat aplikasi, situs web, atau mengerjakan kumpulan data di rumah. Karena terlalu banyaknya ide project yang bisa diangkat dalam portfolio, beberapa orang kebingungan memilih project terbaik yang harus ada di portfolio data scientist mereka. Eits, tenang saja! DQLab punya bocoran best project yang harus ada di portofolio kamu serta referensi yang bisa kamu intip.
1. Exploratory Data Analysis and Visualization (EDA)
Exploratory data analysis (EDA) atau dalam bahasa indonesia dikenal dengan analisis data eksplorasi adalah metode yang digunakan oleh data scientist untuk menganalisis dan menyelidiki kumpulan data dan meringkas karakteristik utamanya. Metode ini seringkali menggabungkan metode visualisasi data. EDA membantu kita untuk menentukan cara terbaik untuk memanipulasi sumber data untuk mendapatkan jawaban yang kita butuhkan, memudahkan data scientist untuk menemukan pola, menemukan anomali, menguji hipotesis, atau memeriksa asumsi. Kamu bisa intip project EDA dari Michael Chia Yin di sini.
Baca juga : Mengenal Profesi Data Scientist
2. Classical Machine Learning untuk Data Terstruktur
Ada beberapa metode machine learning untuk data terstruktur, seperti regresi, klasifikasi, dan algoritma supervised learning lainnya. Bahkan regresi dan klasifikasi juga memiliki beberapa turunan, misalnya pada regresi kita bisa memilih model regresi linier sederhana, regresi linier berganda, regresi logistik, dan lain sebagainya. Sama halnya dengan klasifikasi, kita bisa memilih berbagai model klasifikasi, mulai dari model yang sederhana hingga yang kompleks. Kamu bisa kunjungi project dari Ekaterina Derevyanka mengenai regresi logistik berikut ini sebagai referensi.
3. Deep Learning Untuk Data Tidak Terstruktur
Deep learning adalah jenis machine learning dan artificial intelligence (AI) yang meniru cara manusia memperoleh jenis pengetahuan tertentu. Deep learning adalah elemen penting dari data science yang mencakup statistik dan pemodelan prediktif. Metode ini sangat bermanfaat bagi data scientist yang bertugas mengumpulkan, menganalisis, dan menafsirkan data dalam jumlah besar. Dengan deep learning proses tersebut menjadi lebih cepat dan lebih mudah. Deep learning membutuhkan skill dan teori machine learning yang cukup advanced karena sebagian modelnya sangat kompleks. Namun, tidak ada salahnya untuk mencoba, bukan? Kamu bisa intip project dari David Morcuende berikut ini.
4. Platform Untuk Show Off Project Portfolio Data Scientist
Di era modern di mana teknologi digital sudah sangat maju, memamerkan project ke orang lain bukanlah hal yang sulit. Eits, pamer di sini dalam arti positif ya. Jadi sudah ada berbagai media yang bisa kita gunakan untuk menampilkan project kita, misalnya blog pribadi seperti wordpress, medium, bahkan social media seperti instagram dan linkedin. Kamu bebas mengemas project portfolio kamu sekreatif mungkin. Namun, jangan sampai melupakan elemen penting dalam project seperti tujuan project, sumber data dan cara pengambilan datanya, proses pengolahan datanya, hingga interpretasi outputnya yaa.
Baca juga : Yuk Kenal Role Data Scientist, Profesi Menarik Dengan Gaji Besar
Setelah membaca beberapa referensi project data scientist di atas, apakah kamu sudah punya ide project apa yang ingin kamu kerjakan untuk menghiasi portfoliomu? Jika belum, kamu bisa mulai dengan mengerjakan berbagai modul data science dari DQLab sebagai brainstorming, loh! Selain belajar materi, kita juga bisa mengerjakan mini project dan menulis script code bahasa pemrograman secara langsung di modul DQLab menggunakan live code editor.
Yuk kenalan langsung dengan live code editor dari DQLab dengan mengakses FREE MODULE ‘Introduction to Data Science’ dengan R dan Python dengan cara klik button di bawah ini atau sign up melalui DQLab.id. Selesaikan modulnya, kerjakan projectnya, dan dapatkan sertifikat compliance yang bisa kamu attach di portfolio kamu.
Penulis: Galuh Nurvinda K