Data Scientist
Prediksi, eksperimen, dan model yang dipakai bisnis: Python, statistik, dan machine learning.
Yang dibahas di jalur ini
Jalur karier untuk calon data scientist. Merumuskan masalah prediksi dan mengalahkan baseline, Python dan pandas, statistik dan A/B test, dasar machine learning, evaluasi model yang jujur, sampai memakai LLM dalam pekerjaan data science. Penekanannya pada keputusan, bukan pada algoritma: model yang bagus adalah model yang mengubah apa yang dilakukan bisnis. Sebaiknya diambil setelah Dasar-Dasar AI & Data.
Baru mengenal AI? Setiap jalur dibangun di atas Dasar-Dasar AI & Data.
Yang akan bisa Anda lakukan
- Merumuskan masalah prediksi tanpa kebocoran data
- Membersihkan dan meringkas data dengan pandas
- Merancang dan membaca A/B test yang bisa dipercaya
- Mengevaluasi model dan menjelaskannya ke pemangku kepentingan
Unit dan bite
- Unit 14 biteSekitar 12 menit
Apa yang dikerjakan data scientist
Prediksi, eksperimen, dan keputusan: merumuskan masalah sebelum menyentuh model.
- 3 menit
Pekerjaan data scientist sebenarnya
Analis bertanya apa yang terjadi. Data scientist bertanya apa yang akan terjadi, dan apa yang terjadi kalau kita mengubah sesuatu.
- 3 menit
Alur kerja data science
Dari merumuskan masalah sampai memantau model — dan kenapa sebagian besar waktu habis untuk data.
- 3 menit
Merumuskan masalah prediksi
Unit, target, waktu prediksi, dan keputusan — dan kebocoran data yang membuat model terlihat hebat lalu gagal.
- 3 menit
Kalahkan baseline dulu
Tebakan paling sederhana bisa terlihat sangat akurat. Model Anda harus mengalahkannya.
- Unit 25 biteSekitar 15 menit
Python & pandas
Memuat, membersihkan, dan meringkas data dengan pandas di notebook.
- 3 menit
Notebook dan Python
Jupyter atau Colab, sel, dan kenapa urutan menjalankan sel itu penting.
- 3 menit
DataFrame
Tabel di dalam Python: baris, kolom, tipe data, dan cara melihat isinya.
- 3 menit
Menyaring dan memilih
Memilih kolom, menyaring baris dengan kondisi, dan bedanya loc dengan iloc.
- 3 menit
groupby dan merge
Meringkas per kelompok dan menggabungkan dua tabel tanpa menggandakan baris.
- 3 menit
Nilai kosong dan berantakan
NaN, "Rp125.000" sebagai teks, dan status "Sukses" yang ditulis lima cara.
- Unit 35 biteSekitar 15 menit
Statistik & eksperimen
Distribusi, uji hipotesis, dan A/B test yang hasilnya bisa dipercaya.
- 3 menit
Distribusi dan sampling
Kenapa rata-rata dari sampel ikut bergoyang, dan seberapa besar goyangannya.
- 3 menit
Uji hipotesis dan p-value
Apa arti p-value sebenarnya, dan apa yang bukan artinya.
- 3 menit
Merancang A/B test
Unit randomisasi, metrik utama, dan guardrail sebelum tes dimulai.
- 3 menit
Ukuran sampel dan power
Berapa lama tes harus berjalan untuk melihat kenaikan 0,5 poin persentase.
- 3 menit
Mengintip dan berhenti terlalu cepat
Menghentikan tes saat p-value pertama kali di bawah 0,05 melipatgandakan alarm palsu.
- Unit 45 biteSekitar 15 menit
Dasar machine learning
Regresi, klasifikasi, pohon keputusan, dan fitur yang membuat model berguna.
- 3 menit
Supervised vs unsupervised
Belajar dari jawaban yang diberi label, atau menemukan kelompok sendiri.
- 3 menit
Regresi dan klasifikasi
Memprediksi angka atau memprediksi label — dan cara memilih di antara keduanya.
- 3 menit
Pohon keputusan dan ensemble
Satu pohon mudah dibaca; ratusan pohon lebih akurat.
- 3 menit
Fitur yang berarti
Recency, frequency, monetary, dan fitur kalender seperti Ramadan dan gajian.
- 3 menit
Overfitting
Model yang menghafal data latih dan tersandung pada data baru.
- Unit 55 biteSekitar 15 menit
Evaluasi model
Split data yang jujur, confusion matrix, precision dan recall, dan menjelaskannya ke bisnis.
- 3 menit
Split latih–uji dan split waktu
Kapan split acak cukup, dan kapan data harus dipotong menurut waktu.
- 3 menit
Confusion matrix
Empat kotak yang menjelaskan setiap jenis benar dan salah.
- 3 menit
Precision dan recall
Seberapa sering tandanya benar, dan berapa banyak kasus yang tertangkap.
- 3 menit
Cross-validation
Mengukur model beberapa kali supaya satu split yang beruntung tidak menipu.
- 3 menit
Menjelaskan model ke bisnis
Dari angka metrik ke bahasa keputusan: berapa orang, berapa rupiah, berapa risiko.
- Unit 65 biteSekitar 15 menit
Memakai LLM dalam kerja data science
LLM sebagai rekan coding, pengolah teks, dan alat yang tetap harus dievaluasi.
- 3 menit
LLM sebagai rekan coding
Meminta kode pandas yang bisa diperiksa, dan membaca kodenya sebelum menjalankan.
- 3 menit
LLM untuk data teks
Memberi label topik pada ribuan ulasan dengan daftar kategori yang tetap.
- 3 menit
Mengevaluasi keluaran LLM
Sampel berlabel manusia, tingkat kesepakatan, dan kapan LLM cukup bagus.
- 3 menit
Retrieval dan konteks
Memberi LLM dokumen yang relevan supaya jawabannya berpijak pada data Anda.
- 3 menit
Privasi dan LLM
Menyamarkan data pribadi sebelum dikirim, sesuai UU PDP dan kebijakan perusahaan.
Pertanyaan tentang jalur ini
Belajar
Berapa lama menyelesaikan Data Scientist?
Sekitar 87 menit total: 6 unit yang terdiri dari 29 bite, masing-masing sekitar tiga menit, dan setiap bite diakhiri pertanyaan singkat. Anda bisa mengerjakan satu bite sehari atau beberapa sekaligus.
Apakah saya perlu bisa coding?
Tidak. Setiap jalur Datamew ditulis untuk profesional tanpa latar belakang teknis. Kalau ada hitungan, itu jenis hitungan yang bisa dilakukan di ponsel atau spreadsheet.
Saya harus mulai dari mana?
Semua orang mulai dari Dasar-Dasar AI & Data, yang membahas cara kerja AI, cara menulis prompt yang baik, dan cara membaca data dengan jujur. Setelah itu ambil Data Scientist sesuai peran Anda.
Kapan saya bisa mulai belajar?
Datamew segera hadir di iOS dan Android. Belum ada tanggal rilis maupun harga yang diumumkan: gabung waitlist dan kami akan memberi tahu saat aplikasinya tersedia.
Apakah tersedia dalam Bahasa Indonesia?
Ya. Datamew ditulis dalam Bahasa Indonesia dan Bahasa Inggris.
Jalur lainnya
- Dasar-Dasar AI & DataCara kerja AI, cara memberinya instruksi, dan cara membaca angka dengan jujur.
- Data AnalystDari pertanyaan bisnis ke jawaban yang bisa dipakai: spreadsheet, SQL, grafik, dan dashboard.
- Data EngineerMembangun pipeline yang membawa data tepat waktu dan benar: SQL, Python, orkestrasi, dan warehouse.
Bacaan sambil menunggu
Panduan dari tim Datamew, gratis di web hari ini.
Cara Menjadi Data Analyst di Indonesia: Skill, Roadmap, dan Gaji (2026)
Untuk menjadi data analyst, pelajari spreadsheet, SQL, satu tool BI seperti Looker Studio atau Power BI, statistik dasar, dan cara menjelaskan temuan dengan bahasa sederhana. Dasarnya bisa dikuasai dalam sekitar enam bulan belajar paruh waktu, lalu Anda butuh dua atau tiga proyek portofolio untuk dipanggil wawancara. Rata-rata gaji data analyst di Indonesia menurut Indeed sekitar Rp6,3 juta per bulan.
8 menit bacaCara Menjadi Data Scientist di Indonesia: Skill, Roadmap, dan Gaji (2026)
Data scientist memakai Python, statistik, dan machine learning untuk memprediksi apa yang akan terjadi dan menguji apa yang berhasil. Kebanyakan orang sampai ke sana lewat data analysis dulu: kuasai SQL dan statistik, lalu Python, eksperimen, dan machine learning, yang butuh sekitar satu tahun belajar paruh waktu. Di Indonesia, rata-rata gaji data scientist di Indeed sekitar Rp14,5 juta per bulan.
8 menit bacaJadi yang pertama memakai aplikasinya
Tinggalkan email Anda dan kami akan memberi tahu saat Datamew tersedia di ponsel Anda. Satu email saat rilis, tanpa spam.
- Segera hadir diApp Store
- Segera hadir diGoogle Play
- Pakai sekarang diweb