Memulai Karier Sebagai Data Scientist

Transcript

1. Memulai Karier Sebagai Data Scientist Ahmad Arif Faizin Curriculum Development Manager Dicoding Indonesia
2. Ahmad Arif Faizin Work Experience Curriculum Developer Lead & Manager, Dicoding 2022 – Present Curriculum Developer, Dicoding 2019 – 2022 Android Instructor & Developer, IMASTUDIO 2016 – 2019 arif_faizin
3. Mengapa Data Scientist?
5. Should I Follow the Data or My Instincts? ❌ ✅
6. Data is The New Oil “Data is a collection of facts, numbers, words, observations or other useful information.” - IBM, What is Data
7. “Data-Driven Decision Making” Era “Data-driven decision making is approach that emphasizes using data and analysis instead of intuition to inform business decisions” - IBM, What is data-driven decision-making?
9. Peluang Karier Melimpah
10. Peluang Karier Melimpah https://jobs.dicoding.com/en/tech-salary-guide
11. Raise Your Hands! Menurut kamu, apa yang dimaksud dengan Data Science?
12. Apa itu Data Science?
13. Say Hi to Data Science 🙌 Apa itu Data Science? Disiplin ilmu yang berfokus pada penggunaan teknik matematika dan algoritma untuk memecahkan masalah bisnis sebuah perusahaan dengan memanfaatkan kumpulan data mentah menjadi suatu wawasan.
14. The Power of Data “The goal is to turn data into information, and information into insight” - Carly Fiorina, Former CEO of HP
15. Contoh Penerapan Data Science Meningkatkan Customer Insight Netflix menggunakan data analytics dan machine learning untuk mengumpulkan real-time insight tentang kebiasaan pengguna. Lalu mengevaluasi, memprediksi, dan memberikan rekomendasi film atau acara TV yang dipersonalisasi berdasarkan minat pengguna.
16. Contoh Penerapan Data Science Efisiensi Energi di Data Centre DeepMind menggunakan machine learning untuk mengurangi penggunaan cooling di pusat data Google sebesar 40%, lewat training model pada data sensor yang telah dikumpulkan. Menggunakan model neural network untuk memprediksi metrik seperti temperatur dan tekanan di dalam data centre, lalu merekomendasikan parameter mode cooling agar sistem lebih adaptif dan hemat energi.
17. Raise Your Hands! Kira-kira apa lagi yaa contoh penerapan Data Science yang ada di sekitar kita?
18. Data Science vs Data Scientist
19. Skillset untuk menjadi Data Scientist Sumber: https://www.oreilly.com/content/beyond-the-venn-diagram/
20. Hacking Skills Kemampuan teknis untuk “mengutak-atik” data, mulai dari membersihkan, menganalisis, hingga memvisualisasikannya menggunakan tools dan bahasa pemrograman. ✔ Menguasai bahasa pemrograman (Python, R, SQL). ✔ Mengolah dan membersihkan data (data wrangling). ✔ Menggunakan tools big data dan cloud computing. ✔ Membuat visualisasi data interaktif.
21. Math & Statistics Knowledge Pengetahuan matematis dan statistika untuk memahami data (pola, sebaran, dan tren) sebagai fondasi pengambilan keputusan. ✔ Memahami konsep dasar statistik (mean, median, modus, varians, standar deviasi). ✔ Memahami konsep matematis dibalik model machine learning (regresi, klasifikasi, dan clustering).
22. Substantive Expertise Pemahaman mendalam tentang konteks bisnis atau bidang tertentu agar analisis data yang dilakukan relevan dan bermanfaat untuk pengambilan keputusan. ✔ Mengetahui cara kerja industri atau bisnis terkait. ✔ Memahami masalah yang dihadapi perusahaan. ✔ Menerjemahkan kebutuhan bisnis menjadi solusi data. ✔ Memberikan insight yang relevan dan aplikatif.
23. Bagaimana Cara Data Scientist Bekerja?
24. Mari Kita Bedah Berdasarkan Alur Berikut!
25. Metodologi Data Science == Data Mining CRISP-DM atau Cross Industry Standard Process for Data Mining -> proses model yang memberikan gambaran tentang siklus hidup proyek data mining yang terdapat pada big data. Data mining berarti proses pengumpulan informasi penting dari data dalam jumlah yang besar. Apa saja tahapannya? 1. Business Understanding 2. Data Understanding 3. Data Preparation 4. Modeling 5. Evaluation 6. Deployment
26. Bagian: Pengumpulan Data (Data Ingestion) Penyimpanan Data * Dan masih banyak lagi Data Scraping
27. Bagian: Menyiapkan Data (Data Wrangler & Data Cleansing) Memodifikasi data * Dan masih banyak lagi
28. Bagian: Exploratory Data Analysis (EDA) Memodifikasi data * Dan masih banyak lagi Visualisasi Data
29. Bagian: Eksperimen dengan Data Melatih Model * Dan masih banyak lagi Melacak Eksperimen
30. Source: https://www.instagram.com/reel/DAI198kghIo/
31. Raise Your Hands! Apa perbedaan role Data Scientist dan Data Analyst yang kamu ketahui?
32. Data Scientist vs ML Engineer
33. Data Scientist 🤝 Data Analytics Data Analytics adalah praktik menganalisis data untuk menjawab pertanyaan, mengidentifikasi tren, dan mengekstrak wawasan. - Harvard Business School
34. Apa saja teknik-teknik data analytics? Jenis Analytics Pertanyaan Utama Tujuan Contoh Penggunaan Descriptive Apa yang terjadi? Merangkum data masa lalu untuk memahami kondisi dan tren saat ini. Perusahaan ritel menganalisis penjualan kuartal lalu atau mencari produk terlaris. Diagnostic Mengapa itu terjadi? Menemukan pola, anomali, atau penyebab suatu fenomena. Menelusuri alasan penurunan penjualan atau mencari faktor penyebab pasien rawat ulang di rumah sakit. Predictive Apa yang mungkin terjadi? Menggunakan model statistik/ML untuk memperkirakan kejadian di masa depan. Bank memprediksi risiko gagal bayar pelanggan; perusahaan ritel memperkirakan penjualan mendatang. Prescriptive Apa yang sebaiknya dilakukan? Memberikan rekomendasi tindakan terbaik berdasarkan data dan prediksi. Aplikasi navigasi menyarankan rute tercepat; sistem e-commerce merekomendasikan produk personalisasi.
35. Data Scientist vs Data Analyst vs Data Engineer
36. Data Scientist vs Data Analyst vs Data Engineer
37. Data Scientist 🤝 Data Storytelling 🤝 Data Visualization Data visualization conveys information through images; a visual representation of the data you’ve collected. Why do cats & dogs ...? Data storytelling is the concept of creating a narrative using the data and analytics you’ve collected that help support the hypothesis of your story. - Microsoft
38. Job Market di Dunia Data Sumber: https://www.interviewquery.com/p/february-data-science-job-market-2025
39. Asah problem-solving skills Bisa dimulai dengan... 1. Belajar dasar algoritma dan struktur data 2. Buat real project sederhana Repetisi dan konsistensi adalah koentji!
40. Langkah Awal Menjadi Data Scientist
41. 1. Identifikasi State Saat Ini Renungkan goal dalam hidup ini mau jadi apa? Cari requirement pada lowongan pekerjaan impian dan identifikasi skill yang sudah dikuasai dan belum dikuasai. Buat target yang SMART untuk pelajari gap skill yang belum dikuasai
42. 2. Asah Skill Sampai Jadi Ahli Jangan hanya setengah-setengah di satu bidang. Tapi kuasai sampai dalam. Belajar Keras 1000 jam supaya nanti bisa Kerja Santai Buat Project yang bisa sampai jalan, syukur syukur dapat cuan Ikut hackathon dan lomba-lomba
43. Vs
44. 3. Bagikan Ilmu & Exp Walaupun Sedikit Ceritakan kepada dunia bahwa kalian sedang mempelajari skill baru ini. Bisa melalui tulisan (medium, sosial media, LinkedIn, buku) maupun non tulisan (reels, video youtube, komunitas). Sehingga orang lain ketika butuh sesuatu, ingat kalian.
45. 4. Bikin Portofolio yang Ciamik Portofolio adalah senjata kita dalam melamar kerja Ini adalah bukti bahwa kita memang bisa dan ahli Pastikan dibuat wah dan keren secara UI (visual)
46. KOMUNIKASI YANG EFEKTIF • Kolaborasi dengan desainer, PM, atau sesama developer itu penting • Bisa menjelaskan hal teknis ke orang non-teknis dengan simpel & jelas itu keren! Skillset lain yang ga kalah penting! MANAJEMEN WAKTU DAN PRIORITAS • Bakal bantu kita untuk fokus ADAPTIF • Siap dengan teknologi baru dan tantangan berbeda • Selalu punya growth mindset buat berkembang TEKUN • Sampai kamu menemukan jawaban yang kamu cari
47. Mau opportunity lebih besar? Belajar bahasa asing khususnya Bahasa Inggris
48. Biar Makin Melesat! Level-up! Melesat lebih jauh! Melesat!
49. Kendala yang biasanya dialami pelajar 1. Bingung mau mulai dari mana 2. Overwhelming 3. FOMO
50. Ini solusinya! 1. Gabung komunitas 2. Cari mentor 3. Ikut bootcamp atau kursus
52. Dicoding is an impact-driven education technology company for Indonesia. • 10 years nurturing Indonesiaʼs tech talent. • Best partner for human capital development. Awarded by the Ministry of Higher Education, Science, and Technology. 15 million 1.1 million monthly web page visits members on our platform www.dicoding.com 80% IDR 5.4 T employment rate in 6 months post campus graduation across Dicoding intensive training program USD 332 mio) economic impact for Indonesia
53. Our Transformation for Indonesia Dicoding established as a local startup in Bandung to connect industry players with developer ecosystems in Indonesia. Dicoding launched Developer Day with BEKRAF. First online courses published, working directly with Google and utilizing Bahasa Indonesia. ⭐ Recognized as a Google Developers Authorized Training Partner. Job platform was established to connect employers with our tech talent graduates. Dicoding as the #1 developer hub in Indonesia ⭐ Recipient of ASEAN Business Awards 2019 for Skill Development. Co-founding member of ASEAN Future Workforce Council. ⭐ Keynote highlight as chosen tech startup at Microsoft Devcon Digital Economy Summit 2020. 500,000 members reached. ⭐ Recognized as a Google Cloud Partner and Google for Education Professional Development Partner. Dicoding Developer Conference and Dicoding Career Fair launched. 1 million+ members reached. 160 courses developed. 2,000 events held. ⭐ Awarded Best Partner for Human Capital Development by the Ministry of Higher Education, Science, and Technology. ⭐ Recognized as AWS Authorized Training Partner. Dicoding as the leading tech education platform for Indonesia.
54. Dicoding works together with key stakeholders in Indonesia's digital ecosystem. Principal Tech Owner Program & Impact Partner Industry Players contributors, contributors, instructors, instructors, hiring hiringpartners, partnersetc and many more… Government Universities and many more…
55. What makes Dicoding a leading tech education platform?
56. Global-standard Curriculum Our structured learning materials are designed and reviewed together with principals and industry players.
57. High Caliber Instructors at Dicoding To support learners in their professional development, our high-skilled instructors with industry experience and global certifications are ready to help. • • • • • • • • • • • Globally Certified Instructors Professional Learning & Development Strong Expert Network AWS Certified AI Practitioner AWS Certified SysOps Administrator Certified Vue.js Developer Google Professional Cloud Architect Google Professional Data Engineer Google Professional ML Engineer Microsoft Certified: Azure Data Scientist Associate NVIDIA AI Infrastructure and Ops NVIDIA Generative AI LLMs OpenJS Node.js App Developer OpenJS Node.js Service Developer 500+ professional certifications owned by employees. 2,500+ external instructors and reviewers from the tech & IT sector giving back to Dicoding and the tech community. and many others! On average over 300 hours of personal learning by each employee. 8,800 instructor-led training delivered.
58. Our Partners in Creating Impact Dicodingʼs curriculum is built together with principal tech owners and industry players. Over IDR 5.4 T / USD 332 Mio Economic Impact January 2025 data for Dicoding Program Impact Economic impact is projected using a standardized formula provided and approved by the government and program stakeholders. 58
59. Life as a Dicoding Alumni Over 190,000 Dicoding Alumni as professionals, from entry level to leaders in tech. Top Tech Companies Alibaba Amazon Web Services AWS ByteDance Gojek Google GoTo Financial Grab Meta Shopee Tokopedia Traveloka Top Consulting Firms Accenture Boston Consulting Group BCG Deloitte Ernst & Young EY KPMG PricewaterhouseCoopers PwC Top Indonesian Companies Astra AXA Mandiri Bank Central Asia BCA Bank DBS Indonesia Bank Indonesia Bank Mandiri Bank Syariah Indonesia BSI Bio Farma Bursa Efek Indonesia Garuda Indonesia Indosat Ooredoo Hutchison IOH Kalbe Orang Tua Group Pertamina PERURI Telkom Government Ministry of Communication & IT Ministry of Defense Ministry of Finance Ministry of Marine Affairs & Fisheries Ministry of Religious Affairs Countries Australia China Indonesia Japan Malaysia Singapore South Korea Taiwan UK USA and many more…
61. Expert yang Mereview Tugas Kalian
62. Testimoni Siswa
63. Direcognize oleh Industri
64. Jika hidup adalah pilihan, maka ingatlah…
65. “If you don't take risks, you won't create a future.” ― Monkey D. Luffy
66. Thank You Get in touch arif_faizin arif@dicoding.com Ahmad Arif Faizin
67. Quiz Time!
69. Daftar Coding Camp Hari ini! https://go.dbs.com/dbsfcodingcamp
70. Scan Barcode di Samping👉 dicoding.id/CC26-kehadiran-roadshow