Referensi Portofolio Data Science dengan H-E-A-R-T-S

Sedang kebingungan untuk mencari topik apa untuk portofolio data science kamu? Wajar kok kalau lagi bingung. Sebab, untuk mencari topik yang ingin kita masukkan ke dalam portofolio data science memang membutuhkan kejelian dan riset yang mendalam.

Apalagi kita juga perlu untuk menyesuaikan topik sesuai dengan kemampuan yang kita miliki. Ketika kita bisa menaklukkan satu topik maka kita bisa menjelaskan dengan rinci kepada pihak pewawancara saat proses interview nanti. Ada ragam topik yang bisa kamu eksplor lebih dalam agar portofolio data science kamu terlihat lebih mengesankan salah satunya yaitu dengan konsep H-E-A-R-T-S.

Konsep ini mengandung enam tema yang bisa kamu pilih sebagai referensi dalam membuat portofolio. HEARTS sendiri berasal dari pecahan sub disiplin ilmu atau domain seperti Health, Education, Agriculture, Retail, Transportation, Smart City. Dengan mengikuti konsep H-E-A-R-T-S, kamu dapat menjelajahi berbagai potensi topik untuk membangun portofolio data science yang kaya dan beragam.

Kini, kamu tak perlu kesusahan lagi karena setiap domain ini memiliki bahasan yang bisa kamu kaji lebih dalam dan bisa dijadikan dalam membuat isian dalam portofolio data. So, pada artikel kali ini kita akan bahas satu persatu topiknya. Simak ya sahabat DQLab!

1. Health

Topik pertama yang bisa kamu jadikan sebagai referensi dalam mengisi portofolio data science adalah bidang kesehatan (Health). Topik ini tentunya bisa kamu angkat dari sudut pandang kesehatan seperti analisis data kesehatan masyarakat, prediksi penyebaran penyakit di suatu daerah dengan menggunakan model machine learning.

Selain itu, dalam bidang kesehatan, kamu juga dapat mempertimbangkan beberapa proyek atau topik lain. Misalnya analisis media sosial dan ulasan online untuk memahami persepsi masyarakat terhadap pelayanan kesehatan serta identifikasi tren dan masalah kesehatan masyarakat yang mungkin tidak terdeteksi secara langsung.

Sumber Gambar: PlanStreet

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

2. Education

Suka mengulas topik tentang pendidikan? Ada baiknya ketertarikan kamu ini bisa dijadikan sebagai referensi untuk mengisi portofolio data science kamu biar tidak kosong. Kamu bisa pilih beberapa topik untuk mengulik permasalahan dalam bidang pendidikan seperti Identifikasi faktor-faktor yang mempengaruhi hasil belajar dan prediksi potensi kesulitan akademis, faktor terjadinya learning loss dan kelelahan belajar siswa, pengembangan model untuk memprediksi kemungkinan siswa drop out berdasarkan data historis maupun pemrosesan data alumni untuk melihat korelasi antara prestasi akademis dan kesuksesan karir.

3. Agriculture

Isu pertanian belakangan ini ramai disorot karena adanya kemunculan praktik pertanian berbasis artificial intelligence yaitu Smart Farming. Mengapa kamu tidak membahas topik ini lebih mendalam dan dikaitkan dengan data science? Justru ini adalah salah satu hal menarik yang kamu bisa eksplorasi di portofolio data science.

Kamu bisa ambil beberapa referensi seperti pengembangan model machine learning untuk mendeteksi penyakit tanaman atau kekurangan nutrisi dengan menggunakan data sensor, Pengembangan sistem rekomendasi untuk memberikan informasi kepada petani tentang jumlah dan waktu yang tepat untuk penggunaan bahan kimia pertanian.

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

4. Retail

Topik seputar retail (pemasaran maupun perdagangan) juga bisa kamu jadikan sebagai ide membuat portofolio data science. Retail merupakan topik yang sedang hangat dibicarakan karena berkenaan dengan dunia bisnis dan konsumen. Melibatkan diri dalam proyek data science di bidang retail dapat memberikan wawasan yang berharga terkait strategi pemasaran, manajemen stok, dan kepuasan pelanggan.

Kamu bisa ambil beberapa topik seperti segmentasi pelanggan, analisis kelompok pelanggan yang memiliki perilaku pembelian dengan produk sejenis.  Dengan menjelajahi konsep-konsep ini, kamu dapat mengembangkan proyek-proyek yang tidak hanya memberikan wawasan mendalam dalam operasional bisnis retail, tetapi juga dapat memberikan nilai tambah dalam meningkatkan pengalaman pelanggan dan efisiensi bisnis..

Sumber Gambar: Marketplace.org

5. Transportation

Berikutnya adalah topik tentang transportasi. Walaupun topik ini memang jarang dibahas tapi topik ini masih layak untuk dieksplorasi sebagai bahan dalam membuat portofolio data science.. Dalam konteks transportasi, terdapat berbagai proyek data science menarik yang dapat memberikan wawasan mendalam dan memberikan solusi untuk permasalahan dalam sektor ini.

Misalnya pengembangan model prediktif untuk memperkirakan keterlambatan transportasi publik atau penerbangan, evaluasi dampak lingkungan dari transportasi perkotaan, analisis emisi kendaraan dan lingkungan, pengembangan algoritma untuk mengoptimalkan rute pengiriman barang, dan identifikasi titik kemacetan setiap transportasi.

6. Smart City

Referensi terakhir dalam konsep H-E-A-R-T-S adalah Smart City. Smart City merupakan salah satu terobosan baru dalam pengembangan kota yang mengintegrasikan teknologi informasi dan komunikasi untuk meningkatkan kualitas hidup warganya. Dalam konteks data science, Smart City menyediakan beragam peluang untuk menciptakan solusi inovatif yang dapat meningkatkan efisiensi pengelolaan kota dan memberikan pengalaman yang lebih baik bagi penduduknya.

Beberapa ide proyek atau topik yang dapat dijelajahi dalam konteks Smart City meliputi Optimalisasi konsumsi energi dalam kota menggunakan data dan model prediktif, Penggunaan sensor untuk memantau level dan jenis limbah maupun prediksi kemacetan dan penyesuaian rute untuk mengurangi waktu perjalanan.

Sumber Gambar: 1000 Startup Digital

Membuat portofolio data science memang tidak semudah yang dibayangkan. Mungkin kalian membayangkan portofolio data science itu mudah kelihatannya, namun jika tidak menaruh konsentrasi yang tinggi akan hilang fokus dan justru tidak maksimal dalam proses pengerjaannya. Namun, jangan khawatir kawan. Semakin banyak pain experience yang kamu terima membuat kamu jadi makin banyak bekal dalam membangun portofolio yang outstanding.

Kalau kamu ingin mengejar karir sebagai praktisi data, kalian perlu mempersiapkan diri nih! Semua materi bisa kalian pelajari di DQLab.

Modul ajarnya lengkap dan bervariasi. Bahkan diintegrasikan dengan ChatGPT. Manfaatnya apa?

• Membantu kalian menjelaskan lebih detail code yang sedang dipelajari

• Membantu menemukan coding yang salah atau tidak sesuai

• Memberikan solusi atas problem yang dihadapi pada code

• Membantu kalian belajar kapanpun dan dimanapun

Selain itu, DQLab juga menggunakan live code editor dan 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