Langkah-Langkah Teratas untuk Menguasai Ilmu Data, Percayalah Saya Sudah Mencobanya

Thulasiram menerima Diploma PG dalam Analisis Data dari UpGrad dan IIIT-Bangalore dan sekarang bekerja di UpGrad sebagai Program Associate untuk Analisis Data di UpGrad .
Bertahun-tahun yang lalu, saya membaca sebuah cerita dalam buku The Monk Who Sold His Ferrari , sebuah cerita yang saya ingat sampai hari ini.
Alkisah ada seorang guru yang terkenal dengan keterampilan memanahnya. Dikatakan bahwa panah guru tidak akan pernah meleset dari sasaran. Keterampilannya menarik banyak siswa. Suatu hari, guru meminta salah satu muridnya untuk menutup matanya. Kemudian, dia meminta siswa untuk membuat target dan memberinya busur dan anak panahnya. Semua siswa menahan napas dan memperhatikan guru. Dalam hati mereka yakin anak panah sang guru akan mengenai sasaran. Saat semua orang menonton dengan napas tertahan, panah guru meninggalkan haluan dan meleset dari sasaran! Para siswa dibiarkan terperangah. Salah satu siswa melepas penutup mata sang master dan bertanya kepadanya, “Bagaimana mungkin Anda bisa meleset dari target?” Tuan menjawab -

"Seseorang tidak dapat mencapai target yang tidak dapat dilihat orang!"

Beberapa waktu yang lalu, saya menghadiri acara pelatihan guru. Dalam salah satu kuliah, kami diberitahu bahwa kami harus memberi tahu siswa terlebih dahulu tentang apa yang akan mereka pelajari dalam sesi tertentu karena itu akan membantu mereka mempersiapkan diri dengan lebih baik untuk apa yang akan datang. Pembelajaran terjadi paling baik ketika siswa tahu mengapa mereka mempelajari apa yang mereka pelajari dan bagaimana hal itu dapat dimanfaatkan. Konteks membantu memfasilitasi pembelajaran. Dalam proses mencoba memecahkan masalah yang sulit dengan cara-cara kreatif, pembelajaran terjadi secara alami, dan apa yang kita pelajari tetap bersama kita.
Bagaimana kita bisa menerapkan prinsip-prinsip umum ini pada ilmu data? Langkah pertama dalam menguasai data science adalah memiliki tujuan yang terukur. Anda harus memiliki hasrat dan kecintaan pada data. Dalam ayat Digi hari ini, mudah tersesat atau terganggu. Menyeimbangkan pekerjaan, keluarga, dan pembelajaran membuat semuanya semakin rumit. Jadi, sangat penting untuk menetapkan tujuan pembelajaran dan mengikutinya dengan cermat.
Panduan Memulai untuk Analisis Data

Kedua, latihan adalah suatu keharusan untuk menguasai keterampilan apa pun. Dalam buku Outliers , Malcolm Gladwell mengklaim dibutuhkan 10.000 jam untuk menguasai suatu keterampilan. Ada sedikit kontroversi seputar angka itu, tetapi satu hal yang jelas: tanpa latihan, penguasaan dalam keterampilan apa pun tidak dapat dicapai. Ilmu data tidak terkecuali. Pendekatan terbaik adalah mengerjakan masalah yang Anda pedulikan, masalah yang menginspirasi Anda. Belajar demi belajar tidak akan bertahan lama, dan teori akan terlupakan di tengah jalan.
Baru-baru ini, saya membaca sebuah artikel tentang seorang siswa yang membantu memecahkan masalah mendeteksi kanker mata dengan menganalisis gambar yang tersedia untuk umum. Dia belajar segala sesuatu yang diperlukan untuk memecahkan masalah di jalan dan mencapai sesuatu yang hebat. Ilmu data, menurut definisi, adalah subjek interdisipliner. Ini melibatkan aljabar linier, pemrograman, statistik, infrastruktur komputer, dan banyak lagi bidang lainnya. Daftar panjang ini mengintimidasi kita semua yang ingin melewati gerbang ilmu data.

Oleh karena itu, ada baiknya Anda awalnya berfokus pada dua atau tiga algoritme dan mencoba menerapkannya pada masalah yang Anda pilih. Alih-alih mempelajari sedikit tentang semua algoritme di bawah matahari, jelajahi beberapa secara mendalam. Saat ini, sumber daya di dunia kita sangat sedikit, dan permintaannya terlalu tinggi. Menggunakan ilmu data secara optimal dapat membantu kami menemukan cara terbaik untuk memanfaatkan sumber daya yang langka ini.
Selain itu, cobalah bereksperimen ketika Anda sedang mengerjakan suatu masalah. Ada beberapa cara yang bisa Anda lakukan, dan Anda hanya akan tahu cara yang benar setelah Anda mencobanya. Eksperimen akan membuat Anda siap untuk melakukan tugas ilmu data seperti meningkatkan akurasi algoritme, mengurangi waktu yang dibutuhkan untuk eksekusi, memparalelkan eksekusi, membuat model siap produksi, dll. Dalam banyak wawancara kerja yang saya berikan, pertanyaannya adalah tentang kumpulan data yang telah saya tangani atau masalah dunia nyata yang telah saya pecahkan. Mengerjakan suatu masalah pasti akan menjadi aset besar dalam perburuan pekerjaan Anda juga.

Mengkomunikasikan hasil sama pentingnya dengan analisis itu sendiri. Ilmu data adalah tentang bercerita. Dalam wawancara lain, saya ditanya -

"Bagaimana kamu akan menjelaskan median kepada nenekmu?"

Saya harus berimprovisasi untuk menjelaskan jargon yang rumit dengan kata-kata yang disederhanakan. Dalam sebuah organisasi, manajemen seringkali tidak menyadari jargon, dan komunikasi yang sederhana dan efektif akan menjadi kuncinya. Coba jelaskan konsep ilmu data kepada anak-anak (atau kakek-nenek!), dan lihat apakah mereka mengerti.
Gaji Ilmuwan dan Analis Data

Akhirnya, semuanya bermuara pada visibilitas dan kehadiran. Sebagai calon ilmuwan data, sangat penting untuk meningkatkan visibilitas digital Anda. Buat akun GitHub, dan unggah semua proyek Anda untuk dipamerkan. Berkontribusi ke blog tentang ilmu data. Bergabunglah dengan kelompok ilmu data dan berkontribusi pada diskusi yang sedang berlangsung. Coba jawab pertanyaan di Quora, Reddit, dan forum populer lainnya.

Ini adalah beberapa meditasi saya dalam menempuh jalan panjang menuju penguasaan ilmu data. Anda pasti akan memiliki ide atau saran lain. Silakan bagikan pemikiran, artikel, video, dan podcast Anda, atau apa pun yang Anda rasa akan membantu rekan-rekan Anda saat mereka menjalani jalan yang sulit tetapi mengasyikkan, dan sangat memuaskan ini bersama Anda!