Yuk ketahui kenyataan seseorang Data Scientist menurut pegiat!

6 May 2019 By 0 Comments

Di kota-kota besar, arti serta teknologi Internet of Things (IoT) mungkin biasa didengar serta banyak dipakai. Di Jakarta contohnya, panggilan ‘Jakarta Smart City’ yang memaksimalkan mekanisasi smart lighting yang mengendalikan lampu penerangan jalan serta lampu jalan raya dari jarak jauh adalah satu bentuk dari aplikasi IoT.

Terdapatnya integrasi teknologi info serta komunikasi dalam mentransfer data dengan automatis tanpa ada membutuhkan hubungan manusia dalam tata atur kehidupan keseharian berikut yang jadikan IoT dapat tingkatkan efisiensi, penyebaran info, kualitas service, dan kesejahteraan warga. IoT adalah sisi dari pemrosesan pengetahuan data science yang diterapkan pada bagian sehari-harinya.

Saat ini, penyebaran pemrosesan data science serta teknologi IoT memulai menebar ke pedesaan. Warga pedesaan dapat juga memakai pemakaian data agar bisa diimplementasikan dalam pekerjaan serta dalam kehidupan keseharian. Misalnya alat pemberi pakan ikan automatis yang ditingkatkan oleh eFishery.

data science, data science jobs, data science courses, data science salary, data science definition, data science certification, data science degree, data science bootcamp, data science central, data science masters, data science interview questions, data science training, data science tutorial, data science internships, data science certificate, data science resume, data science tools, data science masters programs, data sciences international, data science programs, data science dojo, data science for business, data science projects, data science skills, data science zurich, data science zimbabwe, data science zarobki, data science zagreb, data science zero to hero, data science zillow, data science zing, data science zurich salary, data science zeppelin, data science zhaw, data science youtube, data science yogyakarta, data science youtube channel, data science yale university, data science yüksek lisans, data science yale, data science york university, data science youtube channels, data science yandex, data science y redes complejas, data science xlri, data science xkcd, data science x, data science xaviers, data science course, data science xlri jamshedpur, data science experience, data science and machine learning, data science x master, data science xml, data science weekend, data science with python, data science with r, data science workshop, data science with excel, data science with golang, data science with javascript, data science wikipedia, data science wallpaper hd, data science workshop jakarta, data science vs data analytics, data science vs machine learning, data science venn diagram, data science vs data analyst, data science vs data mining, data science vs big data, data science visualization, data science virtual machine azure, data science vs business analytics, data science vs big data vs data analytics, data science ugm, data science udemy, data science unpar, data science untuk pemula, data science ui, data science university, data science using python, data science using r, data science unimelb, data science using excel, data science training jakarta, data science training, data science tutorial, data science tools, data science training indonesia, data science test, data science traveloka, data science theory, data science tutorial with python, data science trainee, data science syllabus, data science software, data science skill, data science scholarship, data science salary in indonesia, data science surabaya, data science salary, data science semarang, data science skills, data science school, data science roadmap, data science requirements, data science remote job, data science ru nl, data science research, data science r, data science reddit, data science rwth aachen, data science roadmap github, data science r basics, data science quotes, data science queensland university, data science quote, data science questions and answers, data science queensland, data science quiz, data science qs ranking, data science quora, data science qatar salary, data science questions, data science python, data science project, data science purwadhika, data science ppt, data science project examples, data science python tutorial, data science pubg, data science process, data science program, data science portfolio, data science online course, data science online, data science oxford, data science overrated, data science on the google cloud platform, data science obsolete, data science online practice, data science or big data, data science overview ppt, data science in python, data science ntu, data science nus, data science naive bayes, data science nanyang technological university, data science natural language processing (nlp) in python, data science ngapain, data science nyu master, data science nanodegree udacity, data science north carolina, data science nyu, data science machine learning, data science menggunakan python, data science medium, data science master, data science major, data science magang, data science master degree, data science fmipa ugm, data science methods, data science movie, data science lowongan, data science learning path, data science logo, data science lse, data science lab, data science library, data science laptop 2019, data science latest, data science lead, data science laboratory, data science kursus, data science kaskus, data science kaggle, data science kuala lumpur, data science knn, data science keyword, data science korea university, data science keywords, data science khan academy, data science king's college london, data science jakarta, data science journal, data science job, data science job description, data scientist jobstreet, data science jogja, data scientist job, data scientist jobs, data scientist job desc, data scientist jogja, data science indonesia, data science indonesia bootcamp, data science indonesia instagram, data science internship, data science itu apa, data science internship indonesia, data science indonesia adalah, data science itb, data science is, data science idea, data science handbook pdf, data science handbook, data science healthcare, data science history, data science hype, data science hackathon, data science helsinki, data science harvard, data science health, data science handbook amazon, data science gojek, data science github, data science gaji, data science google, data science graduate program, data science game 2019, data science game, data science gratis, data science google job, data science general assembly, data science for business, data science for dummies, data science freelance, data science from scratch first principles with python, data science for beginners, data science from scratch, data science for beginner, data science fmipa ugm, data science free course, data science future, data science ebook, data science enthusiast, data science engineer, data science event 2019, data science edx, data science excel, data science explorer, data science exercise, data science event, data science experience, data scientist di indonesia, data science datacamp, data scientist data analyst, data science dan big data, data science definition, data science dojo, data science data mining, data science di purwadhika, data science design manual, data science deep learning in python, data science course, data science career, data science course free, data science competition indonesia, data science central, data science certification, data science curriculum, data science course indonesia, data science competition, data science competition 2019, data science book, data science bootcamp, data science bandung, data science bootcamp jakarta, data science bukalapak, data science belajar, data science basic, data science binus, data science bootcamp indonesia, data science big data, data science adalah, data science academy, data science algoritma, data science application, data science and machine learning, data science apa itu, data science academy indonesia, data science academy home credit, data science and analytics, data science algorithm, data science, data science indonesia, data science adalah, data science course, data science training jakarta, data science training, data science python, data science academy, data scientist di indonesia, data science for business,

Dalam peluang pertemuan dengan eFishery, Ahmad Anshorimuslim (Head of Engineering eFishery) serta Dimas Gilang (Software Engineering eFishery) membuka serunya pemrosesan data science dari dapur engineering eFishery. Mereka mengupas fakta-fakta menarik di balik pekerjaan Data Scientist di lapangan.

1. IoT tidak selalu masalah internet

Jika dengar arti IoT, tentu beberapa orang langsung memandang jika aplikasinya tetap terkait dengan internet. Walau sebenarnya tidak juga. Aplikasi IoT di perkotaan serta di pedesaan itu jauh berlainan. “Temuan-temuan yang tidak baik di lapangan dan karakter pedesaan, memengaruhi bagaimanakah cara kita memproses data, menghasilkan data, ataupun berhubungan dengan datanya”, tutur Anshori.

“Di eFishery, kita menolong beberapa petani serta peternnak menyiapkan paket lengkap dari mulai penyediaan pakannya, konsultasinya, serta bagaimana mereka dapat mengatur bibitnya sampai bisa dipanen”, imbuhnya.

eFishery yang bukan sekedar bisa mengotomiasasi pemberian pakan ikan dengan terencana ini dapat juga mencatat tiap pemberian pakan dengan real-time dengan ukuran yang pas. “Agar bisa menolong petani serta peternak ikan, kami tidak memakai image recognizion, tetapi deteksi getaran. Dari getaran itu kita dapat untuk jadikan sensor pendeteksi jika ikan telah kenyang”, tuturnya.

2. Data Scientist serta Data Engineer itu berbeda

“Satu hal yang menurut saya sangat penting dari pemahaman data scientist ialah yakni kata science tersebut. Seseorang Data Scientist harus lewat proses scientific method”, kata Anshori.

Tujuannya, sama dengan waktu belajar di bangku kuliah, harus ada metodenya, ada beberapa langkah yang pasti yang perlu diurutkan. Contohnya ada pendahuluan, latar, persoalan, cara, serta jalan keluar, pelajari, serta rangkuman.

“Dalam data science, yang paling penting ialah scientific process-nya. Data science itu bukan memiliki bentuk, tetapi bergantung prosedurnya, walau ranahnya ialah business intelligence atau business analyst. Banyak yang berasumsi data science itu sama juga dengan data mining, walau sebenarnya belum pasti. Balik lagi, bergantung pada prosesnya”, lanjut Anshori.

3. Kunci data science ialah matematika

eFishery mengerti jika tidak kebanyakan orang yang profesinya jadi Data Scientist mempunyai latar belakang pendidikan spesial data science yang perlu ditempuh sekian tahun. Tetapi yang perlu diingat ialah, tools apa pun yang dipakai, baik Python, ataupun R, basic yang perlu dimengerti ialah matematika.

“Kalo kata orang matematik, R itu ialah matematik tingkat lanjut”, kata Anshori. “Jadi agar bisa menjalankan R, harus memahami dahulu rumus matematikanya”.

Tidak hanya matematika, hal-hal lain yang perlu dimengerti ialah potensi coding, sebab dalam memproses data pasti memerlukan custom solution. Seringkali Data Scientist memerlukan mode serta output tersendiri agar sesuai dengan pihak yang akan memakai data itu, contohnya jadikan situs server, atau bentuk yang lain.

“Sekarang ini, Data Scientist tidak dapat Hanya jadi sebatas Data Scientist, sebab cakupannya yang mewajibkan untuk menganalisa insight serta mengurus skema, jadi minimum sekali harus dapat matematika serta programming”, papar Dimas memberikan tambahan.

4. Data Scientist itu ialah serangkaian proses yang panjang

Berarti, agar bisa memproses data, seseorang Data Scientist harus turut serta terjun langsung ke pemungutan data. Mengapa demikian? hanya karena mereka yang tahu mereka memerlukan data yang seperti apa, sekitar apa, serta sevariatif apa.

Seseorang Data Scientist tidak harus jadi orang yang ambil datanya, tetapi sekurang-kurangnya, mereka harus jadi reviewer waktu pemungutan data itu untuk pastikan apa data yang diambil telah sesuai apa yang diharapkan.

“Di eFishery, sebab sumber data kita ialah makhluk hidup serta outputnya ialah behavior, jadi sangat banyak temuan-temuan baru yang kita bisa. Tiap data baru ini tidak langsung bisa kita olah gunakan software yang ada. Jika kurang cocok ya harus membuat baru”, tutup Dimas.

Jadi seseorang Data Scientist yang andal memang memerlukan proses. Latihan serta pengalaman ialah unsur yang tidak kalah penting agar bisa mengerti lebih dalam menganai penolahan data. Karena itu, Course Net bukan sekedar menyiapkan sarana belajar yang flexibel serta gampang dimengerti sebab berbahasa Indonesia, dan juga melengkapinya dengan real-case proyek serta meetup sesi agar bisa membuat portofolio peserta. Mulai langkahmu belajar data science menjadi Data Scientist dengan perebutan pengetahuan yang pas bersama dengan Course Net!