SlideShare ist ein Scribd-Unternehmen logo
1 von 24
Downloaden Sie, um offline zu lesen
Panduan Memulai Karir
di Data Science
Gemini 2018
Bayu Aldi Yansyah
Data Scientist di Kumparan
Institut Teknologi Adhi Tama Surabaya
Tentang Saya
2015 - 2018 Data Scientist di Sale Stock
2018 - Sekarang Data Scientist di Kumparan
● Soraya, Chatbot (Multi-context)
● Author fastText.py (900+ Stars on Github)
● Search, Discovery service, dan lain-lain
● Tracking events delivery system
● Automated Trending news curator
● A/B Test platform, dan lain-lain
2014 - 2015 Google Student Ambassador South-East Asia
Hi!
Kita disini
TUJUAN
MENJADI DS / DE / BI
TAHAP PERTAMA
Persiapan Diri
1
TAHAP KEDUA
Pencarian & Wawancara
Kerja
2
TAHAP KETIGA
Onboarding / Adaptasi
3
1
2
3
x
y
Hi!
Kita disini TAHAP PERTAMA
Persiapan Diri
1
x
1.1 Memilih Role
Data Scientist, Data Engineer, atau
Business Intelligence?
1.2 Fokus satu role
Mulai belajar dari mana ya?
1.3 Membangun Portfolio
Gimana ya cara nunjukin kalo aku
mampu?
1.1 Memilih Role
Data Scientist, Data Engineer, atau Business Intelligence?
Pekerjaan Utama
Data Scientist
● Mengajukan solusi untuk
masalah data science
● Implementasi solusi atau
model
● Mengelola solusi atau
model yang berjalan
Data Engineer
● Mengelola data
● Membuat data platform
untuk mengoleksi data
● Membuat data platform
untuk analisa data
Business Intelligence
● Analisa data
● Mencari Insight dari data
untuk keperluan bisnis
● Automasi business
reporting
1.1 Memilih Role
Data Scientist, Data Engineer, atau Business Intelligence?
Kemampuan yang wajib dimiliki
Data Scientist
● Paham dasar teori
(machine learning, dan
lain-lain tergantung
domain)
● Bisa menggunakan tools
di software engineering
(Git, Pemograman, dll)
● Bisa implementasi
program berdasarkan
speks: research paper
dan lain-lain.
Data Engineer
● Paham dasar teori
(distributed system, dan
lain-lain tergantung
domain)
● Bisa menggunakan tools
di software engineering
(Git, Pemograman, dll)
● Bisa implementasi
program berdasarkan
speks: requirements docs
dan lain-lain.
Business Intelligence
● Paham business domain
● Bisa menggunakan tools
untuk analisa data (SQL,
Spreadsheet dan
lain-lain)
● Bisa menjelaskan hasil
kesimpulan yg didapat
dari data dengan baik
1.1 Memilih Role
Data Scientist, Data Engineer, atau Business Intelligence?
Suka buat program?
Tertarik dengan
Machine Learning?
Suka analisa data?
Tertarik dengan
Distributed System?
DS
DE
BI
Ya Tidak
YaYa Tidak
Ya
Flowchart
Bantuan
Singkat
1.1 Memilih Role
Data Scientist, Data Engineer, atau Business Intelligence?
Saran Ketika Memilih Role
● Jangan tergesa-gesa untuk mengambil keputusan/kesimpulan
○ Semua konsep/teori nanti kelihatannya akan susah di awal-awal, tapi kalo
terus-menerus di pelajari nanti akan mudah
○ Kuncinya adalah konsisten
● Jangan malu untuk berkonsultasi langsung ke orang yang sudah menjadi Data Scientist,
Data Engineer atau Business Intelligence melalui Linkedin atau media sosial lainnya
● Fokus kepada hal yang sudah dikuasai dan kembangkan terus
1.2 Fokus satu role
Mulai belajar dari mana ya?
Rekomendasi belajar dasar teori
● Bagi yang masih kuliah, ambil mata kuliah yang berhubungan dengan data science:
○ Aljabar linear
○ Algoritma dan Pemograman
○ Kalkulus I & II
○ Statistika I & II
○ Basis Data
○ Dan lain-lain
1.2 Fokus satu role
Mulai belajar dari mana ya?
Rekomendasi belajar dasar teori
● Untuk umum bisa mengambil kuliah gratis di Coursera, edx dan Open Online Course
lainnya. Rekomendasi kuliah gratis-nya adalah:
○ Analytics Edge di edX https://www.edx.org/course/the-analytics-edge
○ Machine Learning dari Prof Andrew Ng
https://www.coursera.org/learn/machine-learning
○ Big Data for Data Engineers
https://www.coursera.org/specializations/big-data-engineering
● Kembangkan kemampuan berkomunikasi (soft-skill)
● Untuk BI, belajar metriks-metriks yang dibutuhkan dalam bisnis
1.2 Fokus satu role
Mulai belajar dari mana ya?
Rekomendasi belajar penerapan
● Belajar bahasa pemograman Python, R atau C/C++ ?
○ Pilih satu bahasa pemograman lalu kuasai
○ Untuk data scientist saya rekomendasikan untuk menggunakan Python karena
dukungan komunitas Python-nya bagus, banyak tutorial dan dokumentasi lengkap
untuk belajar mandiri
● Kuncinya disini adalah sering latihan
○ Bisa dengan mengikuti tutorial lalu memodifikasinya
○ Melakukan “Weekend Project”, tiap hari sabtu-minggu mengerjakan project yang di
sukai mulai dari nol sampe selesai. Project tidak harus kompleks.
1.2 Fokus satu role
Mulai belajar dari mana ya?
Rekomendasi belajar penerapan
● Menulis tutorial dengan bahasa sendiri dan membagikannya melalui media sosial
○ Dengan mengajarkan materi atau konsep ke orang lain, kita di “paksa” untuk paham
dan itu bagus untuk diri kita sendiri dan orang lain yang membacanya
● Gabung di komunitas-komunitas pemograman untuk meningkatkan wawasan
○ Contoh komunitas: Python Surabaya
● Gabung di group komunitas-komunitas yang ada di media sosial
○ Contoh: Grup facebook Artificial Intelligence Indonesia
1.2 Fokus satu role
Mulai belajar dari mana ya?
Rekomendasi belajar tools
● Belajar Git
○ Git adalah version control system yang digunakan para developer untuk
mengembangkan software secara bersama-bersama
○ Belajar Git wajib untuk role Data Scientist dan Data Engineer karena nanti akan
kolaborasi dengan engineer lain menggunakan alat ini.
● Belajar SQL
○ Hal ini wajib untuk yang tertarik sebagai Business Intelligence
○ Untuk role yang lain, belajar SQL juga bagus untuk menambah wawasan.
○ Kadang-kadang sebuah model bisa langsung di implementasikan hanya dengan SQL
saja (true story).
1.2 Fokus satu role
Mulai belajar dari mana ya?
Rekomendasi belajar tools
● Belajar menggunakan IDE
○ Bagus untuk meningkatkan produktivitas, mempermudah dan mempersingkat
pekerjaan
○ Rekomendasi IDE: Visual Studio Code dan CLion
● Belajar menggunakan Jupyter notebook (http://jupyter.org/)
○ Untuk eksplorasi dan membangun prototype dengan cepat
○ Untuk catatan personal waktu belajar
○ Bermanfaat untuk semua role
1.2 Fokus satu role
Mulai belajar dari mana ya?
Rekomendasi belajar tools
● Belajar package management tools
○ Rata-rata implementasi algoritma/model sudah ada berupa package, tinggal pakai
○ Contoh:
■ Python: pip
■ R: Pacman
1.3 Membangun Portfolio
Gimana ya cara nunjukin kalo aku mampu?
Langkah-langkah membangun portfolio
1. Kerjakan project yang kamu sukai, misal:
○ Model terbaru dari research paper
○ Analisa dari data yang tersedia secara umum
2. Buat karya dari project tersebut
3. Bagikan karya tersebut
○ Karya berupa program, bagikan sumber kode nya di Github.com
○ Karya berupa tulisan, bagikan melalui blog atau Medium.com
4. Tulis Karyamu di Resume / CV mu
5. Tambahkan pengalamanmu di Linkedin
TAHAP PERTAMA
Persiapan Diri
1
Wah!
Kita udah disini
TAHAP KEDUA
Pencarian & Wawancara
Kerja
2
Role & Portfolio 2.1 Mencari & Apply Kerja
Bagaimana trick & tips nya?
2.2 Wawancara Kerja
Apa yg harus saya lakukan?
2.1 Mencari & Apply Kerja
Bagaimana trick & tips nya?
Melalui Koneksi
● Tanya Senior, Dosen atau Mantan teman kerja tentang lapangan kerja yang ada
● Minta rekomendasi yang sudah bekerja di perusahaan tersebut
● Kemungkinan lolos seleksi sangat besar
2.1 Mencari & Apply Kerja
Bagaimana trick & tips nya?
Melalui Recruiter
● Jika portfoliomu bagus, maka recruiter akan mengontak kamu dengan sendirinya
● Kontak recruiter melalui linkedin, pastikan recruiternya fokus untuk mencari orang di data
science
● Konsultasikan keinginan kamu ke rekruiter. Misal: “Saya ingin menjadi Data Engineer di
perusahaan X karena saya tertarik dengan project Y, apa yang harus saya persiapkan?”
● Biasanya, Recruiter akan mencarikan perusahaan yang sesuai dengan mu.
● Kemungkinan lolos seleksi, lumayan besar.
2.1 Mencari & Apply Kerja
Bagaimana trick & tips nya?
Langsung tanpa perantara
● Pastikan deskripsi pekerjaan sesuai dengan apa yang kamu inginkan, baca dengan teliti
● Submit semua requirements yang di jelaskan
● Jangan malu untuk konsultasi langsung ke tim HR melalui email
○ Gunakan tata bahasa yang sopan dan baik
● Tunggu konfirmasi email dan tugas seleksinya
2.2 Wawancara Kerja
Apa yang harus saya lakukan?
Saran ketika wawancara
● Harus jujur apa adanya
○ Biasanya waktu wawancara akan dibahas project yang ada di portfoliomu, jelaskan
dengan baik dan jujur
● Untuk yang pertama kali kerja: Utamakan pengalaman dari pada besar Gaji
○ Nanti akan ada negosiasi gaji
○ Jika pengalamanmu banyak atau ilmumu banyak, nanti uang akan mengikuti
Akhirnya!
Kerja keras terbayar ...
TAHAP KEDUA
Pencarian & Wawancara
Kerja
2
Lolos Seleksi
3.1 Onboarding
Project apa yang harus saya kerjakan ni?
ga sabar!
TAHAP KETIGA
Onboarding / Adaptasi
3
3.1 Onboarding / Adaptasi
Project apa yang harus saya kerjakan ni? ga sabar!
Saran untuk onboarding
● Jangan malu untuk bilang ke managermu tentang project yang kamu sukai
● Jika kamu suka tantangan, maka kamu bisa tanya managermu untuk project apa yang saat
ini sangat diprioritaskan dan kerjakan project tersebut
● Pahami Culture perusahaan
● Jika ada masalah, maka usahakan mencari solusinya sendiri
○ Untuk konfirmasi solusi udah bener apa belum, bisa tanya temen kerja atau senior kita
● Jangan bertanya ke teman kerja kalo tidak dibutuhkan
○ Bisa mengganggu waktu produktif teman
Sampai tujuan!
Jangan lupa berbagi ilmu untuk yang lain
Title DS, DE atau
BI di dapat
Terima Kasih!
Terimakasih atas waktunya untuk belajar
bersama.
Email saya: bay@machinelearning.id
TAHAP KETIGA
Onboarding / Adaptasi
3 TUJUAN
MENJADI DS / DE / BI
y

Weitere ähnliche Inhalte

Was ist angesagt?

Engineering, science, and technology
Engineering, science, and technologyEngineering, science, and technology
Engineering, science, and technologyS N M P Simamora
 
Proses Pengembangan Perangkat Lunak (SDLC)
Proses Pengembangan Perangkat Lunak (SDLC)Proses Pengembangan Perangkat Lunak (SDLC)
Proses Pengembangan Perangkat Lunak (SDLC)Rasyeda Aufa
 
Aps10 design document_flowdiagram
Aps10 design document_flowdiagramAps10 design document_flowdiagram
Aps10 design document_flowdiagramArif Rahman
 
Disarm vanguards 2022-02-25 (3)
Disarm vanguards 2022-02-25 (3)Disarm vanguards 2022-02-25 (3)
Disarm vanguards 2022-02-25 (3)SaraJayneTerp
 
Crawl or Mining Twitter with Rstudio
Crawl or Mining Twitter with RstudioCrawl or Mining Twitter with Rstudio
Crawl or Mining Twitter with Rstudioyapannizam
 
Cyber Threat Intelligence
Cyber Threat IntelligenceCyber Threat Intelligence
Cyber Threat IntelligenceZaiffiEhsan
 
Konsep Dasar Data Warehouse
Konsep Dasar Data WarehouseKonsep Dasar Data Warehouse
Konsep Dasar Data Warehousededidarwis
 
Dampak Sosial Informatika
Dampak Sosial InformatikaDampak Sosial Informatika
Dampak Sosial InformatikaARzikyyusya
 
Friendlyを使ったwindowsアプリテスト自動化
Friendlyを使ったwindowsアプリテスト自動化Friendlyを使ったwindowsアプリテスト自動化
Friendlyを使ったwindowsアプリテスト自動化Tatsuya Ishikawa
 
AI & ML in Cyber Security - Why Algorithms are Dangerous
AI & ML in Cyber Security - Why Algorithms are DangerousAI & ML in Cyber Security - Why Algorithms are Dangerous
AI & ML in Cyber Security - Why Algorithms are DangerousRaffael Marty
 
Tools for Open Source Intelligence (OSINT)
Tools for Open Source Intelligence (OSINT)Tools for Open Source Intelligence (OSINT)
Tools for Open Source Intelligence (OSINT)Sudhanshu Chauhan
 
Practical Sentiment Analysis
Practical Sentiment AnalysisPractical Sentiment Analysis
Practical Sentiment AnalysisPeople Pattern
 
230517_chatGPT_v01.pdf
230517_chatGPT_v01.pdf230517_chatGPT_v01.pdf
230517_chatGPT_v01.pdfSatoshi Kume
 
PRESENTASI CYBERSECURITY REKTOR
PRESENTASI CYBERSECURITY REKTORPRESENTASI CYBERSECURITY REKTOR
PRESENTASI CYBERSECURITY REKTORWalid Umar
 
Membuat Aplikasi Android dengan App Inventor 2
Membuat Aplikasi Android dengan App Inventor 2Membuat Aplikasi Android dengan App Inventor 2
Membuat Aplikasi Android dengan App Inventor 2Rusmanto Maryanto
 
あなたが知らないかもしれない 受託開発の基礎知識
あなたが知らないかもしれない受託開発の基礎知識あなたが知らないかもしれない受託開発の基礎知識
あなたが知らないかもしれない 受託開発の基礎知識Shunichi Arai
 

Was ist angesagt? (20)

SKPL-RK-POS.pdf
SKPL-RK-POS.pdfSKPL-RK-POS.pdf
SKPL-RK-POS.pdf
 
Engineering, science, and technology
Engineering, science, and technologyEngineering, science, and technology
Engineering, science, and technology
 
Proses Pengembangan Perangkat Lunak (SDLC)
Proses Pengembangan Perangkat Lunak (SDLC)Proses Pengembangan Perangkat Lunak (SDLC)
Proses Pengembangan Perangkat Lunak (SDLC)
 
Aps10 design document_flowdiagram
Aps10 design document_flowdiagramAps10 design document_flowdiagram
Aps10 design document_flowdiagram
 
Scrum in agile
Scrum in agileScrum in agile
Scrum in agile
 
Disarm vanguards 2022-02-25 (3)
Disarm vanguards 2022-02-25 (3)Disarm vanguards 2022-02-25 (3)
Disarm vanguards 2022-02-25 (3)
 
Crawl or Mining Twitter with Rstudio
Crawl or Mining Twitter with RstudioCrawl or Mining Twitter with Rstudio
Crawl or Mining Twitter with Rstudio
 
Cyber Threat Intelligence
Cyber Threat IntelligenceCyber Threat Intelligence
Cyber Threat Intelligence
 
Konsep Dasar Data Warehouse
Konsep Dasar Data WarehouseKonsep Dasar Data Warehouse
Konsep Dasar Data Warehouse
 
Dampak Sosial Informatika
Dampak Sosial InformatikaDampak Sosial Informatika
Dampak Sosial Informatika
 
Friendlyを使ったwindowsアプリテスト自動化
Friendlyを使ったwindowsアプリテスト自動化Friendlyを使ったwindowsアプリテスト自動化
Friendlyを使ったwindowsアプリテスト自動化
 
AI & ML in Cyber Security - Why Algorithms are Dangerous
AI & ML in Cyber Security - Why Algorithms are DangerousAI & ML in Cyber Security - Why Algorithms are Dangerous
AI & ML in Cyber Security - Why Algorithms are Dangerous
 
Tools for Open Source Intelligence (OSINT)
Tools for Open Source Intelligence (OSINT)Tools for Open Source Intelligence (OSINT)
Tools for Open Source Intelligence (OSINT)
 
Practical Sentiment Analysis
Practical Sentiment AnalysisPractical Sentiment Analysis
Practical Sentiment Analysis
 
Arsitektur komputer
Arsitektur komputerArsitektur komputer
Arsitektur komputer
 
230517_chatGPT_v01.pdf
230517_chatGPT_v01.pdf230517_chatGPT_v01.pdf
230517_chatGPT_v01.pdf
 
PRESENTASI CYBERSECURITY REKTOR
PRESENTASI CYBERSECURITY REKTORPRESENTASI CYBERSECURITY REKTOR
PRESENTASI CYBERSECURITY REKTOR
 
Kebijakan Penggunaan Jaringan
Kebijakan Penggunaan JaringanKebijakan Penggunaan Jaringan
Kebijakan Penggunaan Jaringan
 
Membuat Aplikasi Android dengan App Inventor 2
Membuat Aplikasi Android dengan App Inventor 2Membuat Aplikasi Android dengan App Inventor 2
Membuat Aplikasi Android dengan App Inventor 2
 
あなたが知らないかもしれない 受託開発の基礎知識
あなたが知らないかもしれない受託開発の基礎知識あなたが知らないかもしれない受託開発の基礎知識
あなたが知らないかもしれない 受託開発の基礎知識
 

Ähnlich wie Panduan untuk Memulai Karir di Data Science

Panduan Memulai Karir di Data Science (Binus University)
Panduan Memulai Karir di Data Science (Binus University)Panduan Memulai Karir di Data Science (Binus University)
Panduan Memulai Karir di Data Science (Binus University)Bayu Aldi Yansyah
 
Penjajaran Konstruktif
Penjajaran Konstruktif Penjajaran Konstruktif
Penjajaran Konstruktif MummyAlisya
 
Career Development Handbook - MySkill.pptx.pdf
Career Development Handbook - MySkill.pptx.pdfCareer Development Handbook - MySkill.pptx.pdf
Career Development Handbook - MySkill.pptx.pdfMuhammadWisnuWardhan2
 
Diskusi seputar beasiswa dan studi ke luar negeri
Diskusi seputar beasiswa dan studi ke luar negeriDiskusi seputar beasiswa dan studi ke luar negeri
Diskusi seputar beasiswa dan studi ke luar negeriAnnisa Sarah
 
[K3 LPZ4] 4. Memahami Konteks dan Langkah Seterusnya.pptx
[K3 LPZ4] 4. Memahami Konteks dan Langkah Seterusnya.pptx[K3 LPZ4] 4. Memahami Konteks dan Langkah Seterusnya.pptx
[K3 LPZ4] 4. Memahami Konteks dan Langkah Seterusnya.pptxShamshul Didarelly
 
Membangun_struktur_proposal_yang_direkomendasikan[1].pdf
Membangun_struktur_proposal_yang_direkomendasikan[1].pdfMembangun_struktur_proposal_yang_direkomendasikan[1].pdf
Membangun_struktur_proposal_yang_direkomendasikan[1].pdfAbaPringsewu
 
Final Project Data Science Batch 26.pdf
Final Project Data Science Batch 26.pdfFinal Project Data Science Batch 26.pdf
Final Project Data Science Batch 26.pdfAbrianPutraAdji
 
Tantangan dan kreativitas dunia kerja
Tantangan dan kreativitas dunia kerjaTantangan dan kreativitas dunia kerja
Tantangan dan kreativitas dunia kerjaSamuel Henry
 
Peer coaching haini 2 terjemahan-edited1
Peer coaching haini 2 terjemahan-edited1Peer coaching haini 2 terjemahan-edited1
Peer coaching haini 2 terjemahan-edited1Boss
 
Menarik ... SEPUTAR DISKUSI dengan PESERTA Pelatihan "MARKETING RESEARCH"
Menarik ... SEPUTAR DISKUSI dengan PESERTA Pelatihan "MARKETING RESEARCH"Menarik ... SEPUTAR DISKUSI dengan PESERTA Pelatihan "MARKETING RESEARCH"
Menarik ... SEPUTAR DISKUSI dengan PESERTA Pelatihan "MARKETING RESEARCH"Kanaidi ken
 
4520210014 muhammad aldiansyah future_work
4520210014 muhammad aldiansyah future_work4520210014 muhammad aldiansyah future_work
4520210014 muhammad aldiansyah future_workMuhammadAldiansyah22
 
Modul 1 pengenalan
Modul 1  pengenalanModul 1  pengenalan
Modul 1 pengenalanFardian Syah
 
Training Mahasiwa Baru Fakultas Teknik Unila 27-28 Oktober 2018
Training Mahasiwa Baru Fakultas Teknik Unila 27-28 Oktober 2018 Training Mahasiwa Baru Fakultas Teknik Unila 27-28 Oktober 2018
Training Mahasiwa Baru Fakultas Teknik Unila 27-28 Oktober 2018 Muhammad AR
 
How to Become Great Programmer
How to Become Great ProgrammerHow to Become Great Programmer
How to Become Great ProgrammerNur Hidayat
 

Ähnlich wie Panduan untuk Memulai Karir di Data Science (20)

Panduan Memulai Karir di Data Science (Binus University)
Panduan Memulai Karir di Data Science (Binus University)Panduan Memulai Karir di Data Science (Binus University)
Panduan Memulai Karir di Data Science (Binus University)
 
Penjajaran Konstruktif
Penjajaran Konstruktif Penjajaran Konstruktif
Penjajaran Konstruktif
 
Career Development Handbook - MySkill.pptx.pdf
Career Development Handbook - MySkill.pptx.pdfCareer Development Handbook - MySkill.pptx.pdf
Career Development Handbook - MySkill.pptx.pdf
 
Seminar design pattern
Seminar design patternSeminar design pattern
Seminar design pattern
 
Tugas 1.pptx
Tugas 1.pptxTugas 1.pptx
Tugas 1.pptx
 
Rpl pak ariff 1
Rpl pak ariff 1Rpl pak ariff 1
Rpl pak ariff 1
 
Seminar virtual reality
Seminar virtual realitySeminar virtual reality
Seminar virtual reality
 
Diskusi seputar beasiswa dan studi ke luar negeri
Diskusi seputar beasiswa dan studi ke luar negeriDiskusi seputar beasiswa dan studi ke luar negeri
Diskusi seputar beasiswa dan studi ke luar negeri
 
[K3 LPZ4] 4. Memahami Konteks dan Langkah Seterusnya.pptx
[K3 LPZ4] 4. Memahami Konteks dan Langkah Seterusnya.pptx[K3 LPZ4] 4. Memahami Konteks dan Langkah Seterusnya.pptx
[K3 LPZ4] 4. Memahami Konteks dan Langkah Seterusnya.pptx
 
Membangun_struktur_proposal_yang_direkomendasikan[1].pdf
Membangun_struktur_proposal_yang_direkomendasikan[1].pdfMembangun_struktur_proposal_yang_direkomendasikan[1].pdf
Membangun_struktur_proposal_yang_direkomendasikan[1].pdf
 
Final Project Data Science Batch 26.pdf
Final Project Data Science Batch 26.pdfFinal Project Data Science Batch 26.pdf
Final Project Data Science Batch 26.pdf
 
Tantangan dan kreativitas dunia kerja
Tantangan dan kreativitas dunia kerjaTantangan dan kreativitas dunia kerja
Tantangan dan kreativitas dunia kerja
 
Peer coaching haini 2 terjemahan-edited1
Peer coaching haini 2 terjemahan-edited1Peer coaching haini 2 terjemahan-edited1
Peer coaching haini 2 terjemahan-edited1
 
Menarik ... SEPUTAR DISKUSI dengan PESERTA Pelatihan "MARKETING RESEARCH"
Menarik ... SEPUTAR DISKUSI dengan PESERTA Pelatihan "MARKETING RESEARCH"Menarik ... SEPUTAR DISKUSI dengan PESERTA Pelatihan "MARKETING RESEARCH"
Menarik ... SEPUTAR DISKUSI dengan PESERTA Pelatihan "MARKETING RESEARCH"
 
4520210014 muhammad aldiansyah future_work
4520210014 muhammad aldiansyah future_work4520210014 muhammad aldiansyah future_work
4520210014 muhammad aldiansyah future_work
 
Skripsi itu Mudah.ppt
Skripsi itu Mudah.pptSkripsi itu Mudah.ppt
Skripsi itu Mudah.ppt
 
Modul 1 pengenalan
Modul 1  pengenalanModul 1  pengenalan
Modul 1 pengenalan
 
Scrum fundamental
Scrum fundamentalScrum fundamental
Scrum fundamental
 
Training Mahasiwa Baru Fakultas Teknik Unila 27-28 Oktober 2018
Training Mahasiwa Baru Fakultas Teknik Unila 27-28 Oktober 2018 Training Mahasiwa Baru Fakultas Teknik Unila 27-28 Oktober 2018
Training Mahasiwa Baru Fakultas Teknik Unila 27-28 Oktober 2018
 
How to Become Great Programmer
How to Become Great ProgrammerHow to Become Great Programmer
How to Become Great Programmer
 

Mehr von Bayu Aldi Yansyah

Penerapan Machine Learning di Industri
Penerapan Machine Learning di IndustriPenerapan Machine Learning di Industri
Penerapan Machine Learning di IndustriBayu Aldi Yansyah
 
PyTorch for Deep Learning Practitioners
PyTorch for Deep Learning PractitionersPyTorch for Deep Learning Practitioners
PyTorch for Deep Learning PractitionersBayu Aldi Yansyah
 
Asynchronous Python at Kumparan
Asynchronous Python at KumparanAsynchronous Python at Kumparan
Asynchronous Python at KumparanBayu Aldi Yansyah
 
Intent Classifier with Facebook fastText
Intent Classifier with Facebook fastTextIntent Classifier with Facebook fastText
Intent Classifier with Facebook fastTextBayu Aldi Yansyah
 
Introduction to Python and TensorFlow
Introduction to Python and TensorFlowIntroduction to Python and TensorFlow
Introduction to Python and TensorFlowBayu Aldi Yansyah
 
Clustering Semantically Similar Words
Clustering Semantically Similar WordsClustering Semantically Similar Words
Clustering Semantically Similar WordsBayu Aldi Yansyah
 
Pertemuan 2 & 3: A.I. Indonesia Academy Surabaya Batch #1
Pertemuan 2 & 3: A.I. Indonesia Academy Surabaya Batch #1Pertemuan 2 & 3: A.I. Indonesia Academy Surabaya Batch #1
Pertemuan 2 & 3: A.I. Indonesia Academy Surabaya Batch #1Bayu Aldi Yansyah
 
Pertemuan 1 - AI Indonesia Academy Surabaya Batch #1
Pertemuan 1 - AI Indonesia Academy Surabaya Batch #1Pertemuan 1 - AI Indonesia Academy Surabaya Batch #1
Pertemuan 1 - AI Indonesia Academy Surabaya Batch #1Bayu Aldi Yansyah
 

Mehr von Bayu Aldi Yansyah (8)

Penerapan Machine Learning di Industri
Penerapan Machine Learning di IndustriPenerapan Machine Learning di Industri
Penerapan Machine Learning di Industri
 
PyTorch for Deep Learning Practitioners
PyTorch for Deep Learning PractitionersPyTorch for Deep Learning Practitioners
PyTorch for Deep Learning Practitioners
 
Asynchronous Python at Kumparan
Asynchronous Python at KumparanAsynchronous Python at Kumparan
Asynchronous Python at Kumparan
 
Intent Classifier with Facebook fastText
Intent Classifier with Facebook fastTextIntent Classifier with Facebook fastText
Intent Classifier with Facebook fastText
 
Introduction to Python and TensorFlow
Introduction to Python and TensorFlowIntroduction to Python and TensorFlow
Introduction to Python and TensorFlow
 
Clustering Semantically Similar Words
Clustering Semantically Similar WordsClustering Semantically Similar Words
Clustering Semantically Similar Words
 
Pertemuan 2 & 3: A.I. Indonesia Academy Surabaya Batch #1
Pertemuan 2 & 3: A.I. Indonesia Academy Surabaya Batch #1Pertemuan 2 & 3: A.I. Indonesia Academy Surabaya Batch #1
Pertemuan 2 & 3: A.I. Indonesia Academy Surabaya Batch #1
 
Pertemuan 1 - AI Indonesia Academy Surabaya Batch #1
Pertemuan 1 - AI Indonesia Academy Surabaya Batch #1Pertemuan 1 - AI Indonesia Academy Surabaya Batch #1
Pertemuan 1 - AI Indonesia Academy Surabaya Batch #1
 

Panduan untuk Memulai Karir di Data Science

  • 1. Panduan Memulai Karir di Data Science Gemini 2018 Bayu Aldi Yansyah Data Scientist di Kumparan Institut Teknologi Adhi Tama Surabaya
  • 2. Tentang Saya 2015 - 2018 Data Scientist di Sale Stock 2018 - Sekarang Data Scientist di Kumparan ● Soraya, Chatbot (Multi-context) ● Author fastText.py (900+ Stars on Github) ● Search, Discovery service, dan lain-lain ● Tracking events delivery system ● Automated Trending news curator ● A/B Test platform, dan lain-lain 2014 - 2015 Google Student Ambassador South-East Asia
  • 3. Hi! Kita disini TUJUAN MENJADI DS / DE / BI TAHAP PERTAMA Persiapan Diri 1 TAHAP KEDUA Pencarian & Wawancara Kerja 2 TAHAP KETIGA Onboarding / Adaptasi 3 1 2 3 x y
  • 4. Hi! Kita disini TAHAP PERTAMA Persiapan Diri 1 x 1.1 Memilih Role Data Scientist, Data Engineer, atau Business Intelligence? 1.2 Fokus satu role Mulai belajar dari mana ya? 1.3 Membangun Portfolio Gimana ya cara nunjukin kalo aku mampu?
  • 5. 1.1 Memilih Role Data Scientist, Data Engineer, atau Business Intelligence? Pekerjaan Utama Data Scientist ● Mengajukan solusi untuk masalah data science ● Implementasi solusi atau model ● Mengelola solusi atau model yang berjalan Data Engineer ● Mengelola data ● Membuat data platform untuk mengoleksi data ● Membuat data platform untuk analisa data Business Intelligence ● Analisa data ● Mencari Insight dari data untuk keperluan bisnis ● Automasi business reporting
  • 6. 1.1 Memilih Role Data Scientist, Data Engineer, atau Business Intelligence? Kemampuan yang wajib dimiliki Data Scientist ● Paham dasar teori (machine learning, dan lain-lain tergantung domain) ● Bisa menggunakan tools di software engineering (Git, Pemograman, dll) ● Bisa implementasi program berdasarkan speks: research paper dan lain-lain. Data Engineer ● Paham dasar teori (distributed system, dan lain-lain tergantung domain) ● Bisa menggunakan tools di software engineering (Git, Pemograman, dll) ● Bisa implementasi program berdasarkan speks: requirements docs dan lain-lain. Business Intelligence ● Paham business domain ● Bisa menggunakan tools untuk analisa data (SQL, Spreadsheet dan lain-lain) ● Bisa menjelaskan hasil kesimpulan yg didapat dari data dengan baik
  • 7. 1.1 Memilih Role Data Scientist, Data Engineer, atau Business Intelligence? Suka buat program? Tertarik dengan Machine Learning? Suka analisa data? Tertarik dengan Distributed System? DS DE BI Ya Tidak YaYa Tidak Ya Flowchart Bantuan Singkat
  • 8. 1.1 Memilih Role Data Scientist, Data Engineer, atau Business Intelligence? Saran Ketika Memilih Role ● Jangan tergesa-gesa untuk mengambil keputusan/kesimpulan ○ Semua konsep/teori nanti kelihatannya akan susah di awal-awal, tapi kalo terus-menerus di pelajari nanti akan mudah ○ Kuncinya adalah konsisten ● Jangan malu untuk berkonsultasi langsung ke orang yang sudah menjadi Data Scientist, Data Engineer atau Business Intelligence melalui Linkedin atau media sosial lainnya ● Fokus kepada hal yang sudah dikuasai dan kembangkan terus
  • 9. 1.2 Fokus satu role Mulai belajar dari mana ya? Rekomendasi belajar dasar teori ● Bagi yang masih kuliah, ambil mata kuliah yang berhubungan dengan data science: ○ Aljabar linear ○ Algoritma dan Pemograman ○ Kalkulus I & II ○ Statistika I & II ○ Basis Data ○ Dan lain-lain
  • 10. 1.2 Fokus satu role Mulai belajar dari mana ya? Rekomendasi belajar dasar teori ● Untuk umum bisa mengambil kuliah gratis di Coursera, edx dan Open Online Course lainnya. Rekomendasi kuliah gratis-nya adalah: ○ Analytics Edge di edX https://www.edx.org/course/the-analytics-edge ○ Machine Learning dari Prof Andrew Ng https://www.coursera.org/learn/machine-learning ○ Big Data for Data Engineers https://www.coursera.org/specializations/big-data-engineering ● Kembangkan kemampuan berkomunikasi (soft-skill) ● Untuk BI, belajar metriks-metriks yang dibutuhkan dalam bisnis
  • 11. 1.2 Fokus satu role Mulai belajar dari mana ya? Rekomendasi belajar penerapan ● Belajar bahasa pemograman Python, R atau C/C++ ? ○ Pilih satu bahasa pemograman lalu kuasai ○ Untuk data scientist saya rekomendasikan untuk menggunakan Python karena dukungan komunitas Python-nya bagus, banyak tutorial dan dokumentasi lengkap untuk belajar mandiri ● Kuncinya disini adalah sering latihan ○ Bisa dengan mengikuti tutorial lalu memodifikasinya ○ Melakukan “Weekend Project”, tiap hari sabtu-minggu mengerjakan project yang di sukai mulai dari nol sampe selesai. Project tidak harus kompleks.
  • 12. 1.2 Fokus satu role Mulai belajar dari mana ya? Rekomendasi belajar penerapan ● Menulis tutorial dengan bahasa sendiri dan membagikannya melalui media sosial ○ Dengan mengajarkan materi atau konsep ke orang lain, kita di “paksa” untuk paham dan itu bagus untuk diri kita sendiri dan orang lain yang membacanya ● Gabung di komunitas-komunitas pemograman untuk meningkatkan wawasan ○ Contoh komunitas: Python Surabaya ● Gabung di group komunitas-komunitas yang ada di media sosial ○ Contoh: Grup facebook Artificial Intelligence Indonesia
  • 13. 1.2 Fokus satu role Mulai belajar dari mana ya? Rekomendasi belajar tools ● Belajar Git ○ Git adalah version control system yang digunakan para developer untuk mengembangkan software secara bersama-bersama ○ Belajar Git wajib untuk role Data Scientist dan Data Engineer karena nanti akan kolaborasi dengan engineer lain menggunakan alat ini. ● Belajar SQL ○ Hal ini wajib untuk yang tertarik sebagai Business Intelligence ○ Untuk role yang lain, belajar SQL juga bagus untuk menambah wawasan. ○ Kadang-kadang sebuah model bisa langsung di implementasikan hanya dengan SQL saja (true story).
  • 14. 1.2 Fokus satu role Mulai belajar dari mana ya? Rekomendasi belajar tools ● Belajar menggunakan IDE ○ Bagus untuk meningkatkan produktivitas, mempermudah dan mempersingkat pekerjaan ○ Rekomendasi IDE: Visual Studio Code dan CLion ● Belajar menggunakan Jupyter notebook (http://jupyter.org/) ○ Untuk eksplorasi dan membangun prototype dengan cepat ○ Untuk catatan personal waktu belajar ○ Bermanfaat untuk semua role
  • 15. 1.2 Fokus satu role Mulai belajar dari mana ya? Rekomendasi belajar tools ● Belajar package management tools ○ Rata-rata implementasi algoritma/model sudah ada berupa package, tinggal pakai ○ Contoh: ■ Python: pip ■ R: Pacman
  • 16. 1.3 Membangun Portfolio Gimana ya cara nunjukin kalo aku mampu? Langkah-langkah membangun portfolio 1. Kerjakan project yang kamu sukai, misal: ○ Model terbaru dari research paper ○ Analisa dari data yang tersedia secara umum 2. Buat karya dari project tersebut 3. Bagikan karya tersebut ○ Karya berupa program, bagikan sumber kode nya di Github.com ○ Karya berupa tulisan, bagikan melalui blog atau Medium.com 4. Tulis Karyamu di Resume / CV mu 5. Tambahkan pengalamanmu di Linkedin
  • 17. TAHAP PERTAMA Persiapan Diri 1 Wah! Kita udah disini TAHAP KEDUA Pencarian & Wawancara Kerja 2 Role & Portfolio 2.1 Mencari & Apply Kerja Bagaimana trick & tips nya? 2.2 Wawancara Kerja Apa yg harus saya lakukan?
  • 18. 2.1 Mencari & Apply Kerja Bagaimana trick & tips nya? Melalui Koneksi ● Tanya Senior, Dosen atau Mantan teman kerja tentang lapangan kerja yang ada ● Minta rekomendasi yang sudah bekerja di perusahaan tersebut ● Kemungkinan lolos seleksi sangat besar
  • 19. 2.1 Mencari & Apply Kerja Bagaimana trick & tips nya? Melalui Recruiter ● Jika portfoliomu bagus, maka recruiter akan mengontak kamu dengan sendirinya ● Kontak recruiter melalui linkedin, pastikan recruiternya fokus untuk mencari orang di data science ● Konsultasikan keinginan kamu ke rekruiter. Misal: “Saya ingin menjadi Data Engineer di perusahaan X karena saya tertarik dengan project Y, apa yang harus saya persiapkan?” ● Biasanya, Recruiter akan mencarikan perusahaan yang sesuai dengan mu. ● Kemungkinan lolos seleksi, lumayan besar.
  • 20. 2.1 Mencari & Apply Kerja Bagaimana trick & tips nya? Langsung tanpa perantara ● Pastikan deskripsi pekerjaan sesuai dengan apa yang kamu inginkan, baca dengan teliti ● Submit semua requirements yang di jelaskan ● Jangan malu untuk konsultasi langsung ke tim HR melalui email ○ Gunakan tata bahasa yang sopan dan baik ● Tunggu konfirmasi email dan tugas seleksinya
  • 21. 2.2 Wawancara Kerja Apa yang harus saya lakukan? Saran ketika wawancara ● Harus jujur apa adanya ○ Biasanya waktu wawancara akan dibahas project yang ada di portfoliomu, jelaskan dengan baik dan jujur ● Untuk yang pertama kali kerja: Utamakan pengalaman dari pada besar Gaji ○ Nanti akan ada negosiasi gaji ○ Jika pengalamanmu banyak atau ilmumu banyak, nanti uang akan mengikuti
  • 22. Akhirnya! Kerja keras terbayar ... TAHAP KEDUA Pencarian & Wawancara Kerja 2 Lolos Seleksi 3.1 Onboarding Project apa yang harus saya kerjakan ni? ga sabar! TAHAP KETIGA Onboarding / Adaptasi 3
  • 23. 3.1 Onboarding / Adaptasi Project apa yang harus saya kerjakan ni? ga sabar! Saran untuk onboarding ● Jangan malu untuk bilang ke managermu tentang project yang kamu sukai ● Jika kamu suka tantangan, maka kamu bisa tanya managermu untuk project apa yang saat ini sangat diprioritaskan dan kerjakan project tersebut ● Pahami Culture perusahaan ● Jika ada masalah, maka usahakan mencari solusinya sendiri ○ Untuk konfirmasi solusi udah bener apa belum, bisa tanya temen kerja atau senior kita ● Jangan bertanya ke teman kerja kalo tidak dibutuhkan ○ Bisa mengganggu waktu produktif teman
  • 24. Sampai tujuan! Jangan lupa berbagi ilmu untuk yang lain Title DS, DE atau BI di dapat Terima Kasih! Terimakasih atas waktunya untuk belajar bersama. Email saya: bay@machinelearning.id TAHAP KETIGA Onboarding / Adaptasi 3 TUJUAN MENJADI DS / DE / BI y