4 Referensi untuk Membuat Portfolio Data Scientist

Belajar Data Science di Rumah 22-Mei-2023

https://dqlab.id/files/dqlab/cache/78a54ef07251c12864b91c04f6e29f72_x_Thumbnail800.jpeg

Untuk seorang calon data scientist, hal yang perlu dipersiapkan adalah memiliki sebuah portofolio. Karena portofolio ini adalah salah satu syarat wajib untuk menjadi seorang data scientist, portofolio ini juga menjadi salah satu aspek penilaian dari seorang recruiter. Dari portofolio inilah recruiter akan melihat background pendidikan kalian, rekam jejak kalian apa mungkin kandidat ini akan memiliki peluang agar bisa menduduki posisi tersebut apa tidak. Recruiter juga pasti bangga ketika kandidatnya bisa menyertakan portofolio yang bagus.

Jika kalian masih terbilang pemula atau lulusan baru di bidang data, mungkin kalian sebelumnya bisa melihat contoh-contoh portofolio yang ada di internet, atau kalian juga bisa mengikuti kursus atau bootcamp untuk bisa membuat portofolio kalian sendiri. Jika kalian masih bingung bagaimana portofolio data scientist itu, jawaban kalian akan ada di dalam artikel di bawah ini karena DQLab sudah merangkumnya. Jadi simak terus artikel di bawah ini ya!

1. Data Storytelling

Pertama ada data storytelling. Proyek portofolio yang pertama ini akan mendemonstrasikan kemampuan kalian di dalam melakukan sebuah ekstraksi insight data dan juga melakukan proses persuasi kepada orang lain. hal ini memiliki dampak yang cukup besar bagi kemajuan bisnis sebuah perusahaan karena proyek ini akan melibatkan pengambilan sebuah dataset yang kemudian kalian akan menceritakan narasi yang menarik lewat materi yang sudah kalian buat. Storytelling ini ada baiknya didukung dengan visualisasi agar para pembaca mampu memahami dan juga melihat keseluruhan tahapan analisis yang kalian buat.

2. Machine Learning

Salah satu keterampilan yang dapat meningkatkan peluang kalian untuk memperoleh pekerjaan di dunia data science adalah kalian memiliki kelancaran dalam hal machine learning. Sebelum kalian mempelajari machine learning yang cukup kompleks, mungkin kalian bisa menguatkan skill dasarnya dahulu. Karena biasanya kesalahan para pemula adalah cenderung melewatkan ilmu-ilmu yang mendasar yang bisa menguatkan skill yang selanjutnya. Dalam aspek ini, pastikan kalian dapat mengerjakan proyek portofolio yang bisa mencakup materi dasar, seperti regression, algoritma, sampai dengan clustering.

3. Exploratory Data Analysis

Biasanya ketika kalian sudah mengumpulkan dan juga menyimpan data, kalian memerlukan aktivitas analisis terhadap seluruh variabel di dalamnya. Jadi kalian harus mampu memahami distribusi dari setiap variabel dan juga memahami hubungan antara satu sama lain. Bahkan ketika ada pertanyaan yang muncul bisa kalian jawab dengan menggunakan ketersediaan pengumpulan data. Pekerjaan ini akan dilakukan melebihi predictive modelling.

4. Data Collection

Data collection adalah salah satu kemampuan esensia di dalam bidang data science. Di dalam dunia kerja, peran data scientist ini akan melibatkan data collection dan juga data cleaning dengan menggunakan python. Setelah kalian memahami kebutuhan bisnis dalam pembangunan proyek, kalian perlu memperoleh akses menuju data yang cukup relevan di dalam internet. Hal ini bisa terjadi dengan menggunakan API ataupun dengan menggunakan web scraper. Setelah itu, data yang sudah melewati proses cleaning akan disimpan di dalam data frame menuju format input model machine learning.

Yuk, mulai belajar dan kuasai skill data scientist dari nol hingga advanced. Jangan khawatir jika kamu pemula yang tidak memiliki background STEM karena gelar bukan halangan untuk menguasai ilmu data analyst agar bisa berkarir di industri 4.0. Mulai bangun portfolio datamu yang outstanding dengan Data Analyst Career Track bersama DQLab dan nikmati modul-modul dari dasar hingga tingkat mahir. Caranya dengan Sign Up sekarang untuk #MulaiBelajarData di DQLab: