JULY SPECIAL ! DISKON 96%
Belajar Data Science Bersertifikat, 12 Bulan hanya 180K!
1 Hari 14 Jam 1 Menit 56 Detik

Tips Buat Portofolio Data Science yang Stunning

Belajar Data Science di Rumah 14-November-2023
https://dqlab.id/files/dqlab/cache/longtail-selasa-05-2023-11-14-173331_x_Thumbnail800.jpg

Halo teman-teman seperti yang telah kita ketahui bahwa kini kita berada dalam era perkembangan zaman yang semakin canggih dan mudah. Hal ini juga menarik minat para pencari kerja untuk dapat bergabung dalam profesi yang berkaitan dengan data. Saat ini telah banyak orang yang bersaing membangun portofolio data science untuk meningkatkan peluang kerja mereka. Lalu bagaimana cara bikin portofolio data science yang menarik perhatian recruiter?


Data science adalah suatu ilmu data yang merupakan gabungan atau kombinasi beberapa bidang ilmu seperti matematika, bahasa pemrograman, manajemen bisnis, sistem informasi dan lainnya. Pemahaman data science perlu dimiliki oleh orang yang ingin berprofesi dalam bidang data.


Untuk menjadi praktisi data yang profesional tentu perlu memiliki berbagai skil yang diperlukan dan menjalankan langkah atau kiat apa saja yang meningkatkan peluang. Yuk, simak artikel berikut ini untuk tahu cara bikin portofolio data lebih menarik


1. Informasi Diri

Informasi diri merupakan bagian penting dalam portofolio data yang tidak boleh terlewatkan. Dengan menambahkan informasi di maka recruiter atau pembaca akan mengenal secara singkat pemilik portofolio.


Pada bagian ini peserta dapat menambahkan beberapa informasi seperti biodata diri, deskripsi diri secara singkat, penjelasan mengenai alasan berminat dengan data science, alamat email, akun media sosial, bahkan link portofolio yang disajikan secara online.

Data Science


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


2. List Project

Project adalah bagian utama yang nantinya akan dilihat oleh [ara recruiter ketika membaca portofolio data. Peserta bisa menampilkan project apa saja yang pernah dikerjakan. Dengan menampilkan project yang pernah dikerjakan maka recruiter dapat melihat sejauh mana kemampuan peserta dalam menganalisis data.


Alangkah baiknya lagi jika project yang ditampilkan adalah project dengan studi kasus yang beragam serta penggunaan teknik analisis data yang beragam pula.

Data Science


3. Tampilan Menarik

Pernahkah kalian mendengar istilah ‘jatuh cinta pada pandangan pertama’ ? Istilah ini juga bisa berlaku bagi recruiter ketika melihat portofolio data loh. Dari sekian banyak portofolio data yang ada, adakalanya recruiter lebih tertarik meninjau terlebih dahulu yang tampilannya menarik tanpa mengesampingkan isi portofolio tersebut.


Oleh karena itu membuat portofolio data yang menarik dan tidak norak juga dapat menjadi nilai plus portofolio datamu loh.

Data Science


4. Testimoni atau Review

Portofolio data perlu selalu diupdate dengan tujuan untuk menampilkan update skill yang dimiliki. Bagi peserta yang pernah bekerja di suatu perusahaan atau pernah bekerjasama dengan klien, bisa menampilkan testimoni atau review klien ke dalam portofolio data.


Bagian ini pada umumnya juga akan dilihat oleh recruiter. Recruiter ingin melihat seberapa puas klien terhadap hasil kerja atau hasil analisis peserta.

Data Science


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


Bagi kalian yang memiliki minat dalam analisis data, membangun portofolio data adalah suatu hal yang perlu dilakukan untuk meningkatkan value diri dan sebagai ajang pembuktian terhadap skill yang dimiliki.


DQLab menyajikan materi secara teori maupun praktek. Selain itu di DQLab pun menyediakan berbagai modul dan ebook dengan materi yang beragam sesuai kebutuhan.


Cara bergabungnya sangat mudah. Langsung saja sign up di DQLab.id/signup dan nikmati belajar data science DQLab


Penulis : Latifah Uswatun Khasanah

Editor : Annissa Widya Davita



Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login