DQLab Super Giveaway! Belajar Data Science 6 Bulan hanya Rp.99.000! DAFTAR

Pakai Kode: KUPON99K. Berakhir 0 Days 21 Jam : 20 Menit : 0 Detik

Ingin Menjadi Data Scientist? Yuk, Implementasikan 3 Cara Non-Teknis Menjadi Data Scientist

Belajar Data Science di Rumah 22-Oktober-2020
https://dqlab.id/files/dqlab/cache/5a562230632004a978511ebc3c66d3c3_x_Thumbnail800.jpg

Apabila kita menulis “Cara Menjadi Data Scientist” di Web Browser, maka banyak artikel yang muncul akan berbicara soal kemampuan atau skill yang harus dimiliki untuk dapat membuat kita berhasil menjadi seorang Data Scientist. Memang benar, bekerja sebagai Data Scientist memerlukan banyak keahlian teknis yang harus dikuasai. Meski demikian, untuk dapat bekerja dan menjadi Data Scientist bukan hanya persoalan seberapa banyak skill yang kita miliki, atau sertifikat dan ijazah yang kita punya. Terdapat beberapa cara lain yang juga perlu diperhatikan dalam menjadi seorang Data Scientist.


Pada artikel ini, DQLab akan berbagi beberapa cara lain tersebut, tentunya cara lain tersebut merupakan cara non-teknis yang biasa disebutkan dalam artikel pada umumnya. Jika kamu mencari pembahasan mengenai bahasa pemrograman yang harus dimengerti oleh Data Scientist, atau tools yang harus dikuasai oleh Data Scientist, maka artikel ini bukan untuk kamu. Artikel ini akan cocok untuk kamu apabila kamu sedang dalam perjalanan belajar menjadi seorang Data Scientist, dan ingin mengetahui cara agar dapat bekerja sebagai Data Scientist selain dari menguasai skill-skill yang dibutuhkan. Lalu, apa saja cara yang perlu kita perhatikan untuk menjadi seorang data scientist selain cara-cara teknis? Perhatikan penjelasan berikut ya!


1. Miliki Growth Mindset

Growth Mindset atau Pola pikir berkembang adalah pemahaman bahwa kemampuan dan kecerdasan dapat dikembangkan. Dr. Dweck menciptakan istilah tersebut dan menemukan, “Ketika siswa percaya bahwa mereka bisa menjadi lebih pintar, mereka memahami bahwa upaya membuat mereka lebih kuat. Oleh karena itu, mereka memberikan waktu dan upaya ekstra, dan itu mengarah pada pencapaian yang lebih tinggi". Google juga menemukan growth mindset sebagai atribut kunci dari manajer yang sukses.


Orang-orang dengan growth mindset lebih cenderung melihat tantangan dan kegagalan sebagai peluang untuk tumbuh, menerima umpan balik, dan mendorong diri sendiri dan tim untuk mencapai lebih banyak. Beberapa cara untuk mengembangkan growth mindset:

  • Uji ide dengan selalu belajar. Jika kemampuan dan kecerdasan dapat dikembangkan, maka lakukan pekerjaan itu setiap hari untuk melakukannya dan analisis hasilnya. 

  • Bagikan perkembangan kamu. Saat kamu mempelajari dan mengembangkan keterampilan baru, bagikan melalui outlet seperti GitHub, LinkedIn, dan Medium. Tindakan berbagi akan membantu memperkuat pengetahuan kamu dan sering kali memperkenalkan kamu kepada orang lain dengan growth mindset.

  • Fokus pada apa yang bisa kamu kendalikan. Pada tingkat tertentu, kamu tidak dapat mengontrol berapa banyak waktu yang diperlukan untuk mempelajari suatu area sebelum kamu merasa nyaman dengan pengetahuanmu. 

  • Jangan takut untuk mengembangkan dan mempelajari area di luar Data Science. Jika kamu ingin menjadikan belajar sebagai tujuan seumur hidup, kamu harus membuatnya menyenangkan dan mengikuti minat kamu dengan baik. 

  • Coba dan pandang kegagalan dan tantangan sebagai rambu-rambu menuju kesuksesan dan pembelajaran. Tidak ada yang suka gagal, tetapi kamu tidak akan tumbuh tanpanya. Pandang kegagalan sebagai tkamubahwa kamu mendorong diri sendiri keluar dari zona nyaman dan berkembang. Sekarang, ini hanya berfungsi jika kamu benar-benar menghabiskan waktu untuk memikirkan kegagalan kamu dan bagaimana tumbuh dan belajar darinya (dan kemudian bekerja keras untuk melakukannya). 


Baca Juga : Apa itu Data Scientist : Miskonsepsi Seputar Data Science Yang Harus Dihindari


2. Bangun Network

Jangan mempercayai "proses" untuk memberikanmu pekerjaan karena kamu adalah kandidat terbaik. Proses perekrutan sangat berisik dan banyak kandidat hebat terlewatkan. Jaringan sangat berharga karena biasanya dapat membantumu melewati layar resume. Proses normal di kebanyakan perusahaan adalah membuat posting pekerjaan, menerima ratusan pelamar, dan kemudian menggunakan beberapa proses untuk menyaring resume untuk memilih siapa yang akan maju. Proses memilih resume, menurut pengalaman saya, adalah yang paling bias. 


Masalahnya adalah perusahaan yang sangat besar harus memiliki filter yang cukup standar untuk dapat menangani resume dalam jumlah besar dan perusahaan kecil cenderung hampir tidak memiliki proses standar. Jadi, jika kamu tidak cocok dengan apa yang diinginkan perusahaan besar, kamu berada dalam masalah. Dan dengan perusahaan yang lebih kecil, kamu mungkin tidak diperhatikan hanya karena resume kamu tidak pernah terlihat atau mungkin bias ketika perusahaan meninjau resume kamu yang merugikanmu.


Jadi, bagaimana jaringan membantu? Jaringan adalah langkah pertama untuk mendapatkan rujukan. Dan Quine, yang dulu bekerja di Google, berkata (pada 2013) :

“Tidak ada cara yang lebih ampuh untuk mencapai puncak antrian perekrutan selain direkomendasikan oleh karyawan Google saat ini. Ketika saya berada di sana, sekitar 4% dari semua orang yang diwawancarai oleh perusahaan adalah referensi karyawan, tetapi mereka mencapai lebih dari 20% dari orang yang dipekerjakan. Saat seorang karyawan Google merekomendasikan kamu, tim perekrutan akan memberikan perhatian yang sangat cermat”.


3. Lakukan Sesuatu yang Unik

Sebagian besar kandidat Data Scientist memiliki IPK yang layak, memiliki pengetahuan yang kuat mengenai Scikit-Learn dan Pandas, memiliki beberapa proyek sekolah seperti klasifikasi spam atau analisis sentimen, dan bahkan beberapa pengetahuan tentang Deep Learning menjadi lebih umum. Ini semua bagus, tetapi masalahnya adalah meskipun kamu adalah kandidat yang baik, kamu bukanlah kandidat yang harus dimiliki.


Tujuan kamu dengan resume kamu dan selama wawancara seharusnya tidak membuat perusahaan mengira kamu adalah kandidat yang kuat. Kamu harus membuat mereka berpikir bahwa kamu adalah kandidat yang sempurna dan mereka harus mempekerjakan kamu sekarang. Berikut beberapa hal yang saya temukan yang membantu kandidat menonjol:

  • Membaca, memahami, dan mengimplementasikan makalah penelitian. Lebih disukai yang tidak umum untuk diterapkan oleh siswa (sekali lagi - mencoba untuk menonjol). Pastikan kode kamu ada di GitHub dan bahkan buat posting blog tentang pengalaman kamu.

  • Luangkan waktu untuk mengenal perusahaan dan persyaratan pekerjaannya. Kemudian sesuaikan resume dan tanggapan kamu untuk menyoroti bagaimana keterampilan kamu sesuai dengan apa yang dicari perusahaan. Ini tampak jelas, tetapi menurut pengalaman saya jarang dilakukan dengan baik.

  • Berkontribusi ke open-source dan memiliki akun GitHub aktif. Hampir semua orang saat ini menautkan ke akun GitHub dan hampir semuanya kosong, tetapi untuk beberapa proyek sekolah. Tidak yakin bagaimana cara mulai berkontribusi pada open-source? DQLab merekomendasikan melihat panduan Scikit-Learn tentang berkontribusi. Mereka memiliki panduan yang sangat jelas tentang bagaimana memulai untuk pemula. Tetapkan tujuan untuk memasukkan beberapa kode ke GitHub setiap minggu dan kamu akan mulai mengembangkan riwayat aktivitas yang solid untuk ditampilkan.


Baca Juga : Data Analyst VS Data Scientist : Memahami Perbedaan Tanggung Jawab Dan Alat Yang Digunakan Kedua Peran Ini


4. Yuk Mulai Perjalanan Menjadi Data Scientist Bersama DQLab!

Yuk wujudkan impianmu menjadi Data Scientist dengan bergabung bersama platform belajar online DQLab! Selain bisa meningkatkan ilmu data yang dimiliki, kamu juga bisa membangun portofolio datamu di DQLab guna mempersiapkan dirimu berkarir di industri data. 

Sign Up untuk nikmati module GRATIS “Introduction to Data Science” dengan pengalaman belajar yang seru menyenangkan serta aplikatif pada industri nyata! Untuk kamu yang ingin mulai belajar Data Science atau siap berkarir jadi Data Analyst, Data Scientist, dan Data Engineer, persiapkan diri kamu dengan tepat sekarang. Tidak ada kata terlambat untuk belajar. Yuk #MulaiBelajarData di DQLab.

Dengan belajar di DQLab, kamu bisa:

  • Menerapkan teknik mengolah data kotor, hasilkan visualisasi data dan model prediksi dengan studi kasus Retail dan Finansial

  • Dapatkan sesi konsultasi langsung dengan praktisi data lewat data mentoring

  • Bangun portofolio data langsung dari praktisi data Industri

  • Akses Forum DQLab untuk berdiskusi.

Simak informasi di bawah ini untuk mengakses gratis module ‘Introduction to Data Science’:

  1. Buat Akun Gratis dengan Signup di DQLab.id/signup

  2. Akses module Introduction to Data Science

  3. Selesaikan modulenya, dapatkan sertifikat & reward menarik dari DQLab.

Penulis : Jihar Gifari

Editor : Annissa Widya Davita

Share

Postingan Terkait

Mulai Bangun Karirmu Bersama DQLab!