Otodidak Belajar Data Science, Ngiler Jadi Data Scientist Indonesia

Belajar data science bisa dengan metode apa saja. Cara terbaik belajar adalah menyukai dulu subject yang dipelajari. Kalau sudah suka, apa saja biasanya lebih enak untuk dilakukan.

Penulis draftgorenh.com sendiri awalnya mulai mengenal data science, ketika itu booming industri 4.0, rasa penasaran muncul dan ingin rasanya merasakan ilmu terbaru yang lagi naik daun. Penasaran dengan big data, artificial intelligence, lalu mulai-lah belajar serabutan.

Rasa ingin tahu pun malah makin menggebu-gebu, tidak ada kata terlambat untuk memulai, bermodal belajar di youtube dan baca-baca blog di internet. Mulai praktek ngoding, dan hasilnya masih penasaran. Terus bereksplorasi hingga sekarang.

Mempelajari hal baru tidak melulu harus mengeluarkan kocek besar, misalnya ikut kursus berbiaya mahal, berlangganan membership premium atau mendatangi workshop yang high cost. Tidak ada jaminan sama sekali, kalau yang berbayar dijamin bisa.

Kita sendiri belajar dari TK, SD, SMP, SM sampai kuliah S1 pun tidak ada jaminan sukses kan? Padahal semua itu bayar , ada uang SPP, biaya gedung, uang saku, beli buku atau ebook pdf, biaya tugas-tugas dan masih banyak lagi.

data science adalah

Dan hasilnya, masih banyak sarjana yang nganggur. Semakin rendah tingkat pendidikan, ternyata  tingkat gengsi untuk bekerja apa saja malah kuat dan bandel dengan kondisi yang melanda. Sehingga ini berkorelasi dengan semakin mahal biaya belajar untuk mendapatkan ilmu, justeru semakin susah memperoleh pekerjaan.

Logika diatas menginspirasi penulis draftgorenh.com dalam mempelajari ilmu data science. Di dunia maya, bertebaran info tentang sekolah,  data science course, sampai bootcamp. Sayang sekali, hampir semua berbiaya cukup mahal. Kalaupun ada yang murah, biasanya dibatasi waktu dan biasayanya sistemnya membership.

Pengertian Data Science menurut Draftgorenh.com

Data science adalah ilmu yang mempelajaran tentang data, prosesnya dimulai dari cara mendapatkan data (getting the data), dilanjut dengan proses combining data, kemudian dibutuhkan proses cleaning data dimana ini menghabiskan waktu 80 persen sendiri, lalu masuk ke tahapan preprocessing, menjalankan algoritma machine learning dan terakhir mendapatkan insight dengan membuat visualisasi atas insight yang didapat.

Masing-masing tahapan diatas memerlukan jam belajar yang tidak bisa dibilang sebentar. Karena ada proses trial dan error, ada ujicoba, lalu proses perulangan (looping) untuk mempercepat stack, ini semua tidak sebentar. Ada waktu yang perlu kita bayar, tidak melulu uang.

Apakah belajar data science bisa otodidak? Jawabannya tidak melulu yes or no. Dan ini saya kira tidak cuma ilmu ini, disemua lini ilmu pengetahuan juga sama. Kalau motivasi besar, ada rasa happy ketika belajar, maka mau otodidak maupun paid, hasilnya tetap depends on.

Kita tidak bisa menyepelekan orang yang belajar pakai metode gratisan daripada yang berbayar. Tidak ada yang salah, yang salah adalah yang tidak praktek, yang tidak mengaplikasikan dan yang tidak serius belajar. Tidak mesti kalau yang berbayar pasti serius, terus kalau gratisan pasti asal-asalan.

Terlalu banyak orang besar diluar sana yang tidak menggunakan jalur akademik berbayar sebagai metode meraih cita-citanya, sebut saja Mark Zuckerberg yang drop out di kuliah IT-nya, Jack Ma yang awalnya cuma guru bahasa Inggris. Sampai sekarang mereka tidak menempuh MBA apalagi program doktoral dibidang IT.

Di Indonesia juga ada, misal Boh Hasan adalah penjual telor keliling, bisa memimpin perusahaan besar tanpa background yang sesuai, gak menempuh pendidikan yang sequence dengan jalur yang dia geluti.

Tetapi kita juga tidak boleh merendahkan orang yang memakai metode berbayar, entah kuliah mupun kursus untuk menggapai ilmunya, yang sukses juga sangat banyak sekali.

Karena yang salah bukan dari bayar atau tidaknya, bukan pula karena pake metode gratisan atau berbayar. Fokuslah belajar, kerja keras tidak akan mengkhianati.

Tips Belajar Data Science Secara Otodidak

data science adalah

Mindset yang terpenting adalah, tidak ada yang instan, tidak ada magic button, pelajari sedalam mungkin, seserius mungkin dan sesabar mungkin. Lakukan sebanyak mungkin, usaha tidak akan mengkhianati.

Jika budget adalah masalah, maka cari solusi, luangkan waktu sebanyak-banyaknya. Coba lagi dan lagi. Kita boleh kalah di uang, tapi kita punya harus punya banyak di waktu untuk belajar.

Kuasai cabang ilmu yang paling gampang dan mudah resource-nya. Jika banyak ilmu data science berbahasa inggris, kuasai bahasa inggris dulu. Jika kita punya basic di programming, maka kuasi dulu python programming-nya. Jika kita suka dengan statistics, maka dalamin lah sebisa mungkin.

Jangan berhenti belajar, sambil mendalami ilmu yang lebih kuasai. Tahapan selanjutnya pelajari materi yang membahas irisan dari dari cabang data science, misalnya kalau biasa belajar statistik dengan SPSS, eViews, Minitab dsb. Maka kita bisa mulai belajar statistik dengan menggunakan bahasa pemrograman R. Kemudian lanjut belajar programming di R. Dan dilanjut ke belajar Python yang basic dulu.

Kalau anda lemah di statistik dan programming, anda bisa mulai mempelajari visualisasi. Pelajari tools untuk visualisasi dari mulai pakai Excel, lanjut bikin dashboard yang sederhana. Proses selanjutnya bisa belajar PowerBI, tableu dan bisa dilanjut dengan visualisasi di cloud provider seperti Amazon Web Service (AWS), Google Cloud, Microsoft Azure.

Dari sana akan tergambar metode machine learning dan alurnya, baru mulai sedikit-demi sedikit mengerti codingan-nya. Kalau penasaran bisa mulai mempelajari script-nya. Baru masuk belajar programming.

Setelah tahapan sudah mulai difokusin, baru pelajari yang lebih tajam lagi. Deep learning akan mudah dipelajari jika sudah belajar Machine learning, belajar machine learning sangat enak jika sudah ngerti statistik. Orang yang sudah belajar R, akan lebih mudah belajar Python.