JULY SPECIAL ! DISKON 96%
Belajar Data Science Bersertifikat, 12 Bulan hanya 180K!
0 Hari 1 Jam 8 Menit 0 Detik

Cara Temukan Uniqueness pada Portofolio Data Science

Belajar Data Science di Rumah 01-Agustus-2023
https://dqlab.id/files/dqlab/cache/longtail-selasa-05-2-2023-08-01-222024_x_Thumbnail800.jpg

Portofolio data science merupakan salah satu syarat yang harus dipenuhi oleh calon kandidat ketika ingin melamar kerja di industri data. Bagi beberapa rekruter, portofolio data ini dinilai penting karena untuk membandingkan antara CV yang dikirimkan oleh pelamar dengan keahlian atau kemampuan yang dimiliki oleh calon kandidat. Membuat portofolio tidak semudah yang dibayangkan karena dengan portofolio kita bisa menunjukkan kemampuan kita itu lebih condong ke mana. Misalnya kita lebih fokus untuk melakukan analisis data dengan bantuan modal machine learning, melakukan transformasi data dengan prinsip ETL dan lain sebagainya.


Terkadang dalam membuat portofolio data science perlu kita temukan uniqueness atau keunikan apa sih yang membedakan portofolio kandidat lain dengan portofolio kita. Dengan kita membuat diversifikasi atas portofolio yang sudah kita buat tentu saja akan mendapatkan nilai tambah atau poin plus dari recruiter yang merekrut kita. Kalau kamu ingin portofolio kamu bisa dilirik oleh mereka maka kamu harus menemukan keunikannya dari sekarang. Nah, kebetulan banget ini kali ini kita akan bahas terkait dengan bagaimana cara menemukan keunikan dalam membuat portofolio data science. Jangan sampai ketinggalan dan simak artikel selengkapnya berikut ini yuk sahabat DQLab!


1. Tetapkan Tujuan Portofolio

Sebelum kita membuat portofolio hal yang perlu diperhatikan adalah kita harus tahu apa tujuan kita membuat portofolio itu. Apakah portofolio yang kita buat itu dikhususkan untuk melamar kerja atau untuk klien kita yang akan menggunakan jasa kita kalau misalkan kita sudah berada dalam posisi sebagai praktisi data? Sebab kalau misalkan kita tidak memiliki tujuan yang pasti portofolio yang kita buat juga tidak akan pasti juga.


Apalagi buat kamu yang ingin menunjukkan keahlian tanpa menggambarkan portofolio yang jelas rasanya kemampuan yang kamu miliki itu tidak tergambarkan dengan jelas kalau misalkan tidak kamu tuliskan atau gambarkan di portofolio yang sudah kamu buat tadi. Janganlah malu dan terus mengasah keterampilan yang kamu miliki dengan mengumpulkan proyek-proyek setiap harinya dan dimasukkan ke dalam portofolio data.


Baca juga : Data Science Adalah: Yuk Kenali Lebih Jauh Tentang Data Science!


2. Pilih Proyek yang Berbeda-beda

Jika kamu dihadapkan oleh dua pilihan Apakah kamu memilih untuk mencantumkan portofolio dengan proyek yang sama atau proyek yang berbeda-beda? Jika kamu memilih proyek yang berbeda-beda maka ini adalah kesempatan yang sangat besar bagi kamu untuk menunjukkan bahwa kamu ternyata bisa mengandalkan keahlian yang lain apalagi di luar zona nyaman kamu.


Misalnya kamu cenderung untuk melakukan coding python terus pada portofolio yang kamu buat, bisa saja kamu akan mencantumkan proyek yang lain selain python. Seperti SQL, Scala, Java dan lain-lain. Kamu bisa menjelaskan juga terkait dengan aspek-aspek apa saja yang penting di setiap proyek yang sudah kamu buat.


3. Berikan Konteks dan Penjelasan

Membuat portofolio saja tidak cukup menggambarkan isinya kalau tidak ada konteks ataupun penjelasan yang sudah kamu susun sedemikian rupa. Rasa-rasanya sangat garing sekali kalau misalkan tidak ada penjelasan yang kamu tuliskan di portofolio kamu. Selalu sertakan penjelasan konteks di setiap portofolio yang kamu buat mulai dari tujuan dari proyek itu apa, masalah yang ingin kamu selesaikan itu seperti apa, metode apa yang digunakan, hasil yang dicapai itu seperti apa, dan kesimpulan apa yang didapat dari portofolio yang kamu buat.


Baca juga : 3 Contoh Penerapan Data Science yang Sangat Berguna di Dunia Perindustrian


4. Quantify Achievements

Selain penjelasan melalui kata-kata atau kalimat kamu juga bisa menyertakan penjelasan berupa angka. Hal ini sangat memperkuat bahwa portofolio yang kamu buat itu tidak dikenal opini belaka namun kamu juga menjelaskan terkait dengan fakta dan data yang telah kamu kumpulkan untuk dijadikan sebuah kesimpulan atau wawasan yang bermanfaat. 


Misalnya dalam portofolio kamu menjelaskan tingkat akurasi model machine learning. Disini kamu sebagai pembuat portofolio tidak langsung menyebutkan bahwa model nasional learning sekian persen tanpa ada pengujian terlebih dahulu dong. Maka dari itu quantify achievement itu sangatlah membantu dalam menjelaskan portofolio yang sudah kamu buat agar bisa dipahami dan dimengerti oleh HRD yang membaca portofolio kamu secara langsung.


DQLab merupakan platform belajar online yang berfokus pada pengenalan Data Science & Artificial Intelligence (AI) dengan menggunakan bahasa pemrograman populer, serta platform edukasi pertama yang mengintegrasi fitur Chat GPT.  Selain itu DQLab juga menggunakan metode HERO yaitu Hands-On, Experiential Learning & Outcome-based, yang dirancang ramah untuk pemula. Yuk sign up di DQLab untuk mendapatkan pengalaman belajar yang lebih menarik. Daftar sekarang dan kejar impianmu untuk menjadi Data Scientist!


Penulis: Reyvan Maulid


Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login