Dijamin Bikin Impressive Dimata HR, Ini Tips Bangun Portfolio Data Science yang Insightful

Saat ini profesi data scientist sedang naik daun karena sedang banyak dicari dan dibutuhkan oleh berbagai sektor industri. Hal ini karena sudah banyak industri yang sadar akan pentingnya data dalam kegiatan sehari-hari sehingga mereka membutuhkan sumber daya manusia yang mampu mengekstrak data menjadi informasi yang berguna sebagai dasar pengambilan keputusan. Tak heran jika saat ini banyak orang mulai tertarik untuk mempelajari data science secara serius. Salah satu cara untuk mempelajari data science secara terstruktur adalah dengan mengikuti beasiswa data science. Namun, karena peminatnya yang cukup banyak menyebabkan persaingan antar pendaftar sangat tinggi.

Agar dapat bersaing dengan pendaftar lain, kita harus memiliki "senjata" sebagai nilai plus agar penilaian kita lebih tinggi dibandingkan dengan pendaftar lain. Ada banyak "senjata" yang bisa kita gunakan, salah satunya adalah portofolio. Portofolio ini akan menjadi bahan pertimbangan bagi penyelenggara beasiswa untuk menilai sejauh mana pemahaman kita mengenai data science. Membuat portofolio cukup mudah, namun membangun portofolio yang tepat sasaran masih menjadi pekerjaan rumah sebagian calon data scientist. Pada artikel kali ini DQLab akan menjelaskan cara membuat portofolio yang insightful yang bisa kita gunakan sebagai senjata untuk mendaftar beasiswa, bahkan melamar pekerjaan. Penasaran? Yuk simak artikel ini sampai akhir!

1.  Perhatikan Skill yang Ingin Ditonjolkan

Salah satu fungsi dari portofolio adalah untuk menunjukkan skills apa yang kita kuasai atau pernah kerjakan. Oleh karena itu, sebelum membangun portofolio pastikan kita sudah mengetahui skills apa yang akan ditunjukkan pada portofolio tersebut. Misalnya, jika kita ingin menonjolkan skills algoritma supervised learning serta tools yang digunakan pada portofolio, kita bisa mengerjakan project klasifikasi menggunakan R atau Python. Selain skills inti dari data science, pada portofolio kita juga harus menunjukkan skills komunikasi, kemampuan bekerjasama dengan orang lain, kemampuan analisis masalah, dan kemampuan problem solving.

Baca juga : Belajar Data Science Secara Otodidak? Berikut langkah-langkahnya!

2. Menentukan Project yang akan Dikerjakan

Setelah menetapkan skills yang akan ditunjukkan pada portofolio, selanjutnya adalah menentukan project apa yang akan dikerjakan. Kita bisa membuat beberapa list project sesuai dengan skills yang sudah ditetapkan, misalnya mengenai algoritma supervised dan unsupervised learning, algoritma NLP, artificial intelligence, dan lain sebagainya. Untuk data-data yang akan digunakan, kita bisa menggunakan data dari platform open source atau melakukan data mining dari internet, misalnya dari twitter atau review suatu produk.

3. Menulis Detail dengan Runtut

Setelah berhasil menyelesaikan project. Bagian ini merupakan bagian terpenting karena pada bagian ini kita harus bisa mendeskripsikan project dengan detail, singkat, dan mudah dipahami. Pada bagian ini hal-hal yang perlu kita tuliskan adalah menjelaskan tanggung jawab kita dalam project tersebut, bidang industri apa yang kita pilih, data apa yang kita gunakan dan dari mana sumbernya, serta menjelaskan hasil dari project. Akan lebih baik jika kita menuliskan tindak lanjut dan saran-saran untuk industri terkait.

4. Mempublikasikan Portofolio

Bagian terakhir dari membangun portofolio adalah publikasi hasil project yang telah kita kerjaan. Di era modern dimana fasilitas teknologi sangat mudah didapatkan, kita memiliki banyak pilihan media publikasi. Kita bisa menuliskan portofolio kita dalam bentuk teks di platform medium atau blog, membagikan portofolio melalui media sosial, atau membuat video dan menguploadnya di youtube. Selain sebagai media dokumentasi, publikasi ini juga dapat bermanfaat bagi orang lain.

Baca juga : Mulai Belajar Data Science GRATIS bersama DQLab selama 1 Bulan Sekarang!

5. Bangun Portofolio Bersama DQLab

Salah satu kesulitan membangun portofolio adalah menentukan data apa yang akan kita gunakan. Selain itu, preprocessing setiap data juga berbeda-beda. Semakin mentah data yang digunakan, maka preprocessing seperti proses cleansing akan semakin rumit. Bingung cara memulai membangun portofolio? Yuk bergabung dengan DQLab dan pelajari berbagai algoritma data science sebagai bahan membangun portofolio! Data yang digunakan oleh DQLab merupakan data yang mencerminkan data real di dunia industri sehingga kita tidak perlu bingung lagi dimana mencari data yang tepat untuk portofolio. Klik button di bawah ini untuk bergabung bersama DQLab dan nikmati modul gratis "Introduce to Data Science" sebagai pengenalan sebelum membangun portofolio. Selamat belajar!

Penulis: Galuh Nurvinda K

Editor: Annissa Widya Davita