diskusi.tech (beta) Community

loading...

Tanya Kodenol: Data Scientist

mimindeeptech profile image Mimin Deep Tech ・3 min read

Menjadi seorang data scientist diperlukan beberapa keahlian lainnya disamping ngoding, yaitu statistika dan business acumen. Buat kita yang lagi belajar jadi data scientist, mungkin terpikir satu-dua pertanyaan saat belajar. Kali ini, Deep Tech kedatangan Ali Akbar Septiandri, Data Scientist Revolut yang akan jawab pertanyaan kita soal menjadi data scientist. Yuk simak rangkuman tanya jawab di twitter Tanya Kodenol berikut ini, yang diselenggarakan tanggal 7 Oktober 2020.

Deep Tech Foundation (@deeptech_id)

Sipp, udah jam 7. Langsung aja nih kita panggilkan mas @aliakbars . Bagi teman-teman yang punya pertanyaan seputar Data Scientist, reply tweet ini yaa. Jangan lupa sertakan hashtag #KodeNol :)

Raden Mas Ngabei Slamet (@RM_NgabeiSlamet)
Kalau hanya punya latar belakang programming, mulai belajar data science dari mana ya mas? Bagaimana agar punya intuisi statistika?

A: Wah, saya kayak gini nih dulu. Yang jelas, mulai dari teori probabilitas dulu. Saya rekomendasikan Harvard Stats110 dan Stanford CS109. Yang Stanford, URL-nya ini ya: https://web.stanford.edu/class/archive/cs/cs109/cs109.1178/…
Soalnya slides-nya bagus banget yang semester itu. Enaknya, probabilitas itu bisa dihampiri (aproksimasi) dengan simulasi melalui pemrograman. Jadi, bisa dilihat juga detailnya apa yang sebetulnya terjadi. Teori statistikanya nanti bisa dimengerti dengan lebih baik mestinya kalau probabilitasnya sudah oke. Boleh lihat juga deck dari Jake VanderPlas yang ini:

https://speakerdeck.com/jakevdp/statistics-for-hackers…

vivijenius (@vivijenius)

Untuk menjadi data scientist skill apa saja yang perlu dipersiapkan?

A: Utamanya ada 3: math/stats, programming, dan business acumen. Tanpa business acumen, jadinya cuma tebak-tebak berhadiah soalnya. Bisa jadi model yang dibuat tidak masuk akal karena ada hubungan sebab-akibat yang tidak kita lihat. Di luar itu, komunikasi juga sangat penting. Kemampuan storytelling itu membuat ide-ide kita lebih mudah diterima. Bikin model canggih tapi ngga bisa disampaikan membuat model itu berakhir jadi "mainan" saja.

coffeelake (@_ochadipa)

Tantangan belajar Data Science apa ya?

A: Bidang ini cepat sekali berkembang. Karena juga berhubungan dengan beberapa bidang, jadi kayak ngga habis-habis materi yang harus dibaca. Kalau ngga sanggup untuk belajar terus, bakal susah banget berkembang di bidang ini. Mesti bisa banyak hardskills dan softskills.

lalala (@panggilakula)
Halo ka, aku mau nanya kebetulan aku lagi ikt pelatihan data scientist yg diadain kominfo yg kerjasama dg ibm. Begron pendidikan aku teknik industri dan sama sekali buta bgt ttg pengkodingan, jadi aku mau minta refrensi buat belajar data scinetist yg materinya all indo adakah ka?

A: Nah, ini yang masih susah. Kebanyakan referensi bagus itu dalam bahasa Inggris ya. Karena saya jarang nyari yang bahasa Indonesia, saya kasih materi kuliah yang saya buat saja ya.

https://github.com/aliakbars/uai-dm…
dan
https://github.com/aliakbars/uai-mlpr…
dan yang lain di GitHub saya.

Boleh cek juga channel YouTube saya di https://youtube.com/c/AliAkbarSeptiandriID/featured…

Itu ada rekaman kuliah yang saya ampu di @ifuai.

Fajri | fully vaccinated (@shfajri)
Learning path seperti apa yg harus dilalui seseorang agar bisa menjadi data scientist? Dan sepengalaman/sepengamatan mas Ali, bagian mana dari learning path tsb yg sering menjadi kendala bagi yg sedang belajar data science?

A: Ini beda-beda tiap orang. Ada yang jadi PhD di political science dulu kayak Chris Albon, ada juga yang kuat di ilmu programming baru belajar sisanya pas di kerja. Urutan materinya jadinya beda-beda. Yang di luar math/stats/physics biasanya mentok lagi pas ketemu ide-ide dari bidang itu. Saya termasuk yang kesulitan pas belajar dalamannya algoritma ML pas S2. Untungnya lulus. Baru setelah lulus saya belajar ulang lagi dan lebih mengerti materinya.

Nah itu dia tanya jawab bersama Ali Akbar Septiandri, Data Scientist Revolut. Masih ada yang mau ditanyain soal data scientist? Yuk tanyain di kolom komentar!

Discussion

pic
Editor guide