Contoh Perintah ChatGPT untuk Bahan Portofolio Data, Langsung Praktek!
Portofolio data merupakan salah satu dokumen yang perlu dipersiapkan calon praktisi data untuk melamar ke ranah industri. Portofolio data berisi kompilasi hasil karya yang telah dibuat calon kandidat untuk memberikan pengakuan kepada pihak rekruter bahwa kandidat yang bersangkutan pernah menangani berbagai proyek sesuai dengan tujuan klien.
Sayangnya, tidak segampang itu ketika kita membuat sebuah portofolio sahabat DQLab tanpa adanya referensi yang mendukung. Hal yang perlu kamu siapkan adalah komponen-komponen yang ada harus terpenuhi dahulu agar portofolio kamu lengkap dan bisa memukau pihak rekruter.
Ada beberapa referensi yang bisa kamu pakai sebagai langkah awal dalam penyusunan portofolio data. Salah satunya dengan menggunakan perintah ChatGPT yang bisa dijadikan sebagai panduan dalam membuat portofolio data yang memukau rekruter.
Nah, kebetulan kali ini mimin DQLab akan memberikan kamu sederetan contoh perintah ChatGPT untuk bahan penyusunan portofolio data nih! Penasaran nggak seperti apa contohnya? Simak terus artikelnya sampai habis ya!
1. Membuat Deskripsi Singkat untuk Portofolio
Hal pertama yang perlu kamu siapkan adalah membuat deskripsi singkat pada portofolio data. Deskripsi singkat keberadaannya sangat penting karena inilah dasar mengapa seorang kandidat membuat portofolio data.
Kandidat bisa menjabarkan alasan-alasannya tentang mengapa portofolio itu dibuat, kepada siapa portofolio itu dituju, siapa sasarannya, poin penting atau garis besar apa yang tercantum dalam portofolio hingga goals dari penyusunan portofolio ini kira-kira bakal sepenting apa.
Nah, untuk lebih jelasnya berikut adalah referensi yang bisa kamu pakai dalam membuat deskripsi singkat pada portofolio melalui perintah ChatGPT:
Contoh perintah:
"Tulis deskripsi singkat untuk portofolio data saya. Portofolio data saya membahas tentang (pengaruh polusi udara terhadap kesehatan)"
2. Memberi Contoh Portofolio Data
Portofolio yang baik biasanya mencakup beberapa elemen yang memberikan gambaran komprehensif terkait poin pembahasan yang ada. Sebagai calon kandidat, kamu harus bisa membuat gambaran isi dengan sebaik mungkin. Berikut adalah contohnya:
Contoh perintah ChatGPT
"Berikan contoh portofolio data yang baik (untuk proyek machine learning)"
Selain komposisi judul, tujuan, dan penggunaan metode, ChatGPT juga memberikan saran dan masukan terkait tahapan yang akan dilalui calon kandidat ketika membuat suatu portofolio data.
Misalnya dalam contoh ini, kandidat diminta untuk membuat portofolio dengan proyek machine learning, ChatGPT akan memberikan respon berupa tahapan beserta rekomendasi komposisi isi yang seharusnya ada di dalam portofolio data.
3. Membuat Data Dummy
Selanjutnya, kita bisa membuat data dummy. Data dummy ini dipakai sebagai isian dalam portofolio data yang akan kita buat. Berikut adalah contoh perintahnya:
"Berperanlah sebagai seorang Data Scientist. Tolong buatkan data dummy dengan (100 baris dan 5 kolom: id, nama, kontak, email, umur)"
Pada contoh diatas, kita menggunakan loop for untuk mengisi data dummy. Id, nama, kontak, dan email dibuat secara berurutan dengan menambahkan nomor ke elemen-elemen tersebut. Umur diisi dengan angka acak antara 18 dan 60 untuk setiap baris. Kemudian membuat DataFrame dari data tersebut dan menampilkan 5 baris pertama dari DataFrame.
Kamu dapat menyesuaikan data dummy ini sesuai dengan kebutuhan atau menggantikan data dummy dengan data nyata jika dirimu memiliki data yang relevan.
4. Memberi Saran Visualisasi Data
Sedang kebingungan dalam mencari visualisasi data apa yang cocok untuk kamu? Tenang saja, tidak perlu khawatir! Kamu bisa request dengan menuliskan kebutuhan kamu melalui ChatGPT seperti contoh berikut ini:
"Misalkan saya punya dataset berisi (rating dari 100 film beserta ulasan positif/negatif dari penonton). Bentuk visualisasi data apa yang cocok untuk dataset ini?"
Dengan banyaknya ragam visualisasi yang tersedia, kamu bisa memanfaatkan visualisasi tersebut sesuai kebutuhan dan tujuan portofolio kamu. Kamu bisa menggunakan histogram rating apabila ingin menggambarkan distribusi rating film. Kamu juga bisa memakai bar chart untuk melakukan perbandingan ulasan positif dan negatif pada setiap film yang dinilai.
5. Exploratory Data Analysis (EDA)
Konsep EDA (Exploratory Data Analysis) sangat penting dalam sebuah portofolio data karena EDA adalah tahap awal dalam analisis data yang membantu kamu memahami dataset yang kamu kerjakan. Berikut adalah contoh perintahnya
Contoh perintah ChatGPT:
"Saya punya data dengan (100 baris dan 5 kolom: id, nama, kontak, email, umur). Tulis kode Python untuk visualisasi dan eksplorasi data ini."
Berikut adalah contoh kodenya:
Pastikan Anda telah mengganti nama_file.csv dengan nama file atau sumber data yang sesungguhnya jika data kamu sudah disimpan dalam file CSV atau format data lainnya.
Dalam contoh di atas, kita membaca data, menampilkan 5 baris pertama, dan melakukan eksplorasi awal tentang kolom umur dengan visualisasi histogram dan box plot. Anda dapat menyesuaikan kode ini sesuai dengan kebutuhan eksplorasi data kamu. Juga, pastikan kamu sudah menginstal Pandas, Matplotlib, dan Seaborn jika belum terinstal di lingkungan Python kamu.
6. Membuat Rumus Excel
Adakah diantara kamu yang rencananya membuat portofolio menggunakan rumus Excel? Jika ada, jangan khawatir! Kamu tetap bisa membuat portofolio data dengan mencantumkan rumus spreadsheet untuk menghitung keseluruhan jumlah sel yang ada. Ini dia contoh perintahnya!
"Buat rumus spreadsheet untuk (menghitung jumlah sel D1 hingga D20)"
Maka chatGPT akan mengeluarkan respon sebagai berikut:
Wah gimana menarik kan?
7. Rekomendasi Algoritma
Dalam membuat portofolio data, salah satu hal yang penting adalah algoritma apa yang kira-kira dipakai untuk menyelesaikan permasalahan dan menjawab tujuan yang kamu inginkan. Jika kamu kebingungan dalam menentukan rekomendasi algoritma apa yang cocok, kamu bisa memakai contoh perintah berikut ini:
Contoh perintah ChatGPT
"Berikan rekomendasi algoritma machine learning yang cocok untuk (Iris Dataset)"
Dataset Iris adalah dataset klasik dalam dunia machine learning yang digunakan untuk masalah klasifikasi. Dataset ini terdiri dari tiga spesies berbeda dari bunga iris, dengan empat fitur (panjang kelopak, lebar kelopak, panjang mahkota, dan lebar mahkota) yang diukur untuk masing-masing bunga. Rekomendasi algoritma machine learning yang cocok untuk Iris Dataset termasuk:
Note: Teks dalam kurung dapat diganti sesuai kebutuhan.
Itulah tadi beberapa contoh perintah yang bisa kamu aplikasikan ke ChatGPT. Semoga dengan adanya perintah ini bisa menjadi referensi kamu dalam membangun portofolio data yang menarik dan ciamik!
ChatGPT memang membantu kamu dalam belajar dan mengolah data. Tetapi, jangan lupa bahwa pemahaman konsep data tetap diperlukan supaya bisa mengerjakan tugas secara maksimal.
Tertarik menjadi bagian praktisi data profesional? Nah kalian perlu mempersiapkan diri nih! Mulai langsung belajar di DQLab. Modul ajarnya lengkap dan bervariasi. Bahkan diintegrasikan dengan ChatGPT. Manfaatnya apa?
Membantu kalian menjelaskan lebih detail code yang sedang dipelajari
Membantu menemukan code yang salah atau tidak sesuai
Memberikan solusi atas problem yang dihadapi pada code
Membantu kalian belajar kapanpun dan dimanapun
Selain itu, DQLab juga menggunakan metode HERO yaitu Hands-On, Experiential Learning & Outcome-based, yang dirancang ramah untuk pemula. Tunggu apa lagi, segera Sign Up dan siapkan diri untuk berkarir di industri impian kalian!
Penulis: Reyvan Maulid