Thread by @nmonarizqa

Kalo waktu bisa diputar kembali dan aku bisa belajar dari nol lagi, berikut bakal jadi step-by-step aku belajar data sains

🧵

1. Belajar git

Data scientist nggak mungkin bekerja sendiri, pasti kolaborasi sama orang dan devs (kalo di production setting). Aku bete banget ketika kuliah di IT jaman dulu ga belajar itu. Berikut beberapa sumber gratis

- lab.github.com
- udemy.com/course/the-ult…

2. Belajar python

Aku dulu belajar R duluan yang mana ga salah sama sekali. Tapi tidak bisa dipungkiri, python lebih ramah produksi. Buat aku yang pengen jadi data scientist di dunia produk, aku pilih python. Bisa belajar lewat codecamp atau lihat ⬇️

https://twitter.com/nmonarizqa/status/1309175830803812352

3. Belajar pyton khusus buat data analytics

Kalo udah belajar basic dari (2), cari sumber yang spesifik untuk data, contohnya dari udemy berikut ini (sering ada kupon $10 kok). Buat yang tahu sumber gratis bisa tambahin di reply

udemy.com/course/learnin…

4. Belajar SQL

Penting. Banget. Karena data scientist harus bisa ngambil data, ibarat kalo mandi harus bisa nimba sumur sendiri.

Dan semua wawancara teknikal pasti ada sesi SQL nya

5. Belajar statistik

Harus tahu distribusi tuh kayak apa, gimana bikin hipotesis, ngetes hipotesis, central limit theorem itu apa dkk dsb.

Aku paling suka belajar lewat channelnya StatQuest di YouTube, jelasinnya gampang

6. Barulah belajar apa itu machine learning

Karena tanpa tahu (1) - (5) itu ibarat kayak belajar menyelam tapi nggak belajar dasar gimana renang. Ya mungkin bisa aja tapi tenggelem, kurang oksigen dkk 🙃

Lagi2 aku paling suka belajar dari StatQuest

7. Belajar gimana ngoding machine learning pake python

Banyaaak banget caranya. Paling gampang adalah dengan lihat tutorial youtube

8. Latihan manipulasi data

Ibarat pilot sebelum terbang beneran kan musti latihan dulu, mulai dari simulasi sampe pake pesawat beneran.

Anggep ini simulasinya. Paling gampang lihat2 kaggle. Banyak yang share jawaban disitu. Coba direproduksi.

kaggle.com/startupsci/tit…

9. Bikin proyek kecil-kecilan

Kalo udah sering latihan pake data orang dan kode orang, mulai bikin proyek yang datanya cari sendiri (misal lewat portal open data)

data.go.id

10. Bikin portofolio

Ibarat pilot inilah saatnya kita "take off" pake pesawat beneran. Sebelumnya cuma latihan. Coba bikin proyek data dari awal sampe akhir, mulai dari kumpulin data sampe visualisasi hasil akhir. Tulis prosesnya. Sebarkan

Contoh
iquantny.tumblr.com

11. Perdalam sebuah domain knowledge/bidang

Nah di step ini aku bakal mulai mikirin aku mau jadi data scientist yang kayak apa. Mau jadi ML engineer kah? Mau mendalami data science buat trading kah? Mau fokus visualisasi?

Saatnya berhenti sejenak dan kontemplasi.

12. Ulangi langkah 8-10

Tahu atau belum tahu mau jadi data scientist yang kayak apa, harus sering-sering praktek. Jago tuh dari pengalaman, bukan dari banyaknya baca buku. Kalopun udah tahu mau fokus kemana, saatnya sekalian latihan fokus di bidang tsb

13. Rajin-rajin memperbaharui ilmu

Data sains dan teknologi pada umumnya berkembangnya pesat banget jadi harus terus belajar, nggak boleh jumawa ngerasa tahu semuanya.

Beberapa sumber: Medium Towards Data Science, Medium Towards AI, Analytics Vidhya, KDNuggets, Reddit

Appendix A: Buku menarik

(1) The Signal and the Noise: Why So Many Predictions Fail-but Some Don't - Nate Silver
(2) Weapons of Math Destruction - Cathy O'Neil
(3) Storytelling with Data: A Data Visualization Guide for Business Professionals - Cole Nussbaumer Knaflic

Appendix B: Skill yang sangat-sangat OK untuk dimiliki dan membantu kehidupan sehari-hari

(1) Data cleaning
(2) Data governance
(3) Software development practice

Appendix C: Beberapa pertanyaan yang sering diajukan ⬇️

Nah ini gimana menurut mas mbak om tante adek2?

Sepengalaman aku, nggak harus jago banget dalam artian punya medali emas olimpiade. Asal tahu matematika sampe SMA kelas 3 oke lah.

https://twitter.com/kaeunified/status/1326378131599609857?s=19

Data science tuh menurutku sebenernya kayak math, tools aja gitu, asal bisa pake ga peduli background apa ya oke. Aku ga tau kenapa spesifik ekonomi, mungkin yg lain bisa bantu jawab. Tapi yg jelas mustinya ga harus dari ekonomi, semua bisa dan boleh.

https://twitter.com/elodioa31/status/1326381291542093826

Appendix D: Bagi yang punya tips menarik atau step-step menarik selain yang di atas, silakan dibagi tipsnya di reply ⬇️

Setuju, kalo bisa memutuskan mau buat apa data science-nya, alangkah jauh lebih baik jadi tyda overwhelmed dan bisa fokus.

Tapi kalo blm tau juga gpp, jalanin dulu aja prosesnya, di tengah jalan baru ketemu tujuannya mau apa

https://twitter.com/yoseflaw/status/1326445776696905728?s=19

Sengaja tidak dimasukkan karena menurut aku, untuk memulai, matematika sampai SMA kelas 3 aja cukup.

Nah baru ketika mendalami topik tertentu dan dirasa ngga cukup, silakan diperkuat lagi matematikanya, utamanya linear algebra

https://twitter.com/semra_wood/status/1326553805970841601?s=20

Maksudnya adalah, kalau ingin menggunakan data science untuk sebuah produk aplikasi, ngga cuma riset, python lebih bisa dipake dan sering digunakan. Ibarat main lego udah ada bulet2nya jadi gausah dibikin sendiri biar bisa diplug

https://twitter.com/fills27/status/1326575669552164864?s=19

Tergantung banget di step 11 kamu mau fokus ke mana. Umumnya full stack DS/data engineer yg ngurusin. Kalo perusahaannya masih baru bisa jadi kamu bakal dituntut serba bisa dan kalo gitu, jangan lupa minta gaji yang serba bisa juga 🤪

https://twitter.com/styn_p/status/1326755286430883840?s=19