Login untuk menyimpan progres Anda di berbagai perangkat.
Cara menjadi data scientist
Pelajari Python dan pandas, tulis query SQL untuk data Anda sendiri, lalu bangun model yang bisa Anda evaluasi dengan jujur dan jelaskan alasannya. Setiap latihan dijalankan dan diperiksa, dan jalur ini ditutup dengan proyek churn, penilaian berwaktu yang mencakup semua tool, dan wawancara.
Ikuti langkah-langkah ini sesuai urutan. Setiap langkah adalah sekumpulan unit dari satu kursus, bukan seluruh kursus: unit yang dipakai posisi ini. Buka sebuah unit untuk memulai pelajaran pertamanya.
1
Python
Data science dikerjakan dengan kode. Anda belajar nilai, koleksi, alur kontrol, dan fungsi, lalu cara membaca dan menulis file tempat data biasanya datang.
Sebagian besar waktu seorang data scientist habis untuk menyiapkan data. Anda memuat dan memeriksa tabel, memfilter, membersihkan, dan menggabungkannya, mengelompokkan dan menata ulang, bekerja dengan deret waktu, dan membuat grafik dari temuan Anda.
Data yang Anda modelkan biasanya tersimpan di database, dan banyak wawancara menyertakan sesi SQL. Anda menulis query, merangkum, dan menggabungkan tabel dengan join, lalu memakai window function dan pola analitik di balik cohort dan funnel.
Di sini Anda membangun model seperti di pekerjaan sebenarnya: merumuskan masalah, membagi data agar evaluasinya jujur, membuat baseline regresi dan klasifikasi, menyiapkan fitur dalam pipeline, memilih di antara beberapa model, menangani kejadian langka, dan membaca probabilitas yang dihasilkannya.
Bangun indeks dokumen lokal, periksa cakupan sumber dan sitasi, lalu pisahkan kasus pengembangan dari kasus evaluasi yang dicadangkan. Notebook memakai vektor uji deterministik dan respons terprogram, bukan embedding hasil pelatihan atau generasi langsung.
Setiap proyek dimulai dari brief sebuah perusahaan fiktif dan berpindah antar alat seperti dalam pekerjaan sebenarnya: apa yang Anda buat di satu tahap menjadi titik awal tahap berikutnya. Setiap brief gratis dibaca.
Pennant
SQLSQLpdpandasMLMachine learning
Proyek
Siapa yang berhenti berlangganan dalam 90 hari pertama?
Pennant kehilangan terlalu banyak pelanggan dalam tiga bulan pertama mereka. Buat tabel churn tanpa mengintip masa depan, cari tahu siapa yang pergi, latih model pertama, dan rencanakan apa yang sebaiknya dicoba tim retensi.
Sebuah uji coba di checkout menawarkan paket tahunan kepada separuh pengunjung. Dashboard mengatakan hasilnya berhasil; hitung uji coba itu secara adil dan putuskan apakah selisihnya nyata sebelum diluncurkan.
Setelah menyelesaikan unit, uji kemampuan Anda di seluruh alat kerja sekaligus: 12 tugas praktik dalam 50 menit, masing-masing di alat yang dibahas dan diperiksa secara otomatis. Waktu terus berjalan meskipun Anda menutup halaman.
Tool
Tugas
Menit
Python
3
13
pandas
3
13
SQL
3
11
Machine learning
3
13
Cara penilaiannya
Setiap alat
Siap jika Anda menjawab dua pertiga tugasnya dengan benar atau lebih, Tutup pada sepertiga, selain itu Belum. Tugas pemrograman mendapat skor sesuai bagian pengujiannya yang lulus.
Siap untuk wawancara
75% atau lebih secara keseluruhan, dan setiap alat berstatus Siap.
Hampir siap
50% atau lebih secara keseluruhan, dan tidak ada alat yang berstatus Belum.
Terus berlatih
Hasil lainnya. Laporan mencantumkan setiap tugas yang salah Anda kerjakan beserta pelajaran yang mengajarkannya.
Penilaian ini gratis. Hasilnya berupa umpan balik latihan dalam format laporan Interview Hub, bukan keputusan perekrutan. Pengulangan mengambil tugas yang berbeda selama bank soal memungkinkan.
Wawancara
Interview Hub menjalankan wawancara data scientist tahap demi tahap, di sebuah perusahaan fiktif: Anda menjawab secara lisan atau tertulis, pewawancara mengajukan pertanyaan lanjutan, dan laporan mengutip jawaban Anda.
Unit pertama setiap kursus, tanpa akun: 4 dari 33 unit di jalur ini. Setiap brief proyek gratis dibaca, dan penilaian kesiapan kerja gratis.
One Course
Satu kursus penuh. Di jalur ini, itu salah satu dari: Python (5 unit), pandas (9 unit), SQL (6 unit), Machine learning (10 unit), Membangun dengan model bahasa (3 unit).
All Access
Seluruh jalur: setiap unit, setiap tahap proyek, dan latihan wawancara lisan.
Seorang data scientist memakai data untuk memprediksi atau menjelaskan sesuatu yang penting bagi bisnis: pelanggan mana yang akan berhenti, apakah proses checkout baru benar-benar memberi konversi lebih baik, berapa stok yang dibutuhkan sebuah toko minggu depan. Pekerjaannya lebih banyak soal mengajukan pertanyaan yang tepat, menyiapkan data yang tidak membocorkan jawaban, mengevaluasi dengan jujur, dan menjelaskan hasilnya kepada orang yang akan bertindak, daripada soal algoritma yang canggih.
Dari notebook ke model
Python datang lebih dulu karena semua langkah lain ditulis dengannya. pandas menyusul, karena menyiapkan data adalah sebagian besar pekerjaan. SQL membawa data ke tangan Anda. Machine learning menyusul ketika Anda bisa menyiapkan input sendiri dan menilai makna skor model. Langkah terakhir menerapkan batas sumber dan evaluasi dengan kasus yang dicadangkan pada aplikasi model bahasa.
Menunjukkan apa yang bisa Anda kerjakan
Di Pennant, perusahaan berlangganan, terlalu banyak anggota berhenti dalam tiga bulan pertama. Dengan SQL dan pandas, Anda membuat tabel churn tanpa mengintip masa depan, mencari tahu siapa yang pergi, melatih model pertama, dan merencanakan apa yang sebaiknya dicoba tim retensi. Pada kasus penawaran tahunan, Anda memutuskan apakah hasil uji coba checkout memang nyata sebelum dirilis. Keduanya adalah jenis pekerjaan yang diminta untuk Anda jelaskan dalam wawancara data science. Setelah itu, penilaian menunjukkan tool mana yang perlu dilatih sebelum Anda melamar.
Pertanyaan umum
Apakah saya perlu gelar matematika atau statistik?
Banyak lowongan data scientist meminta gelar di bidang kuantitatif, dan sebagian meminta S2. Baca iklan lowongan yang akan Anda lamar. Jalur ini melatih pekerjaan yang diuji oleh posisi-posisi itu: menyiapkan data, membuat model, mengevaluasi, dan menjelaskan. Ini latihan, bukan kualifikasi resmi.
Data scientist atau data analyst: mana yang sebaiknya saya tuju?
Data analyst menjawab pertanyaan bisnis dengan data; data scientist juga membangun model prediktif dan menjalankan eksperimen. Jika Anda baru mulai, jalur karier data analyst memakai sebagian besar langkah awal yang sama dan mengarah ke lebih banyak posisi pemula.
Berapa lama waktu yang dibutuhkan?
Pelajaran di jalur ini berjumlah sekitar 44 jam. Unit machine learning paling lama. Kami tidak menjanjikan berapa lama waktu yang dibutuhkan sampai Anda mendapat pekerjaan.
Berapa biayanya?
Unit pertama setiap kursus gratis, tanpa perlu akun. One Course membuka satu kursus penuh; All Access membuka seluruh jalur. Halaman harga menampilkan harga untuk negara Anda.