Mengapa memiliki proyek portofolio?
Menemukan waktu dan motivasi untuk mengerjakan proyek pribadi bisa menjadi tantangan. Namun, baik Anda bekerja penuh waktu, wiraswasta, maupun sedang mencari pekerjaan, menyeimbangkan kehidupan profesional dengan passion Anda dalam membangun proyek data science tentu bisa membuahkan hasil. Berikut beberapa alasan utama mengapa Anda sebaiknya menginvestasikan waktu dan usaha untuk membangun portofolio data science. Jika Anda ingin membaca lebih lanjut tentang pentingnya membuat proyek portofolio beserta praktik terbaik dan contohnya, pastikan untuk membaca artikel ini.
Membangun dan mengasah keterampilan
Belajar membuat kode, membangun model, meningkatkan akurasi model, dan melakukan deployment model merupakan bagian dari alur kerja data science. Keterampilan ini sangat diminati, dan membuat proyek portofolio dapat menjadi cara yang bagus untuk mengasah keterampilan serta memperkuat pengetahuan Anda di area yang diminati. Selain itu, proyek portofolio memungkinkan Anda membangun keterampilan yang tidak sepenuhnya selaras dengan latar belakang, pekerjaan, atau spesialisasi Anda. Jika Anda mengkhususkan diri pada aplikasi pemrosesan bahasa alami, membangun proyek sampingan computer vision akan membawa keterampilan Anda ke level berikutnya. Kemungkinannya tidak terbatas.
Menunjukkan pengalaman Anda kepada perekrut
Bayangkan dua data scientist junior datang menghadap perekrut; yang pertama berkata, "Saya menguasai Python, Machine Learning, dan MLOps," tetapi yang kedua berkata, "Saya juga menguasai semua itu, dan saya menerapkan pengetahuan tersebut dalam proyek ini, di mana saya melakukan scraping data, menerapkan model machine learning, dan melakukan deployment sebagai aplikasi web." Jelas kandidat mana yang akan lebih menonjol. Proyek portofolio dapat membangun legitimasi Anda sebagai Data Scientist. Semakin beragam portofolio Anda, semakin banyak pula keterampilan teknis yang dapat Anda tampilkan dan bicarakan kepada perekrut dan manajer perekrutan.
Menunjukkan keterampilan nonteknis Anda
Membuat portofolio proyek data science menunjukkan konsistensi, ketekunan, perhatian terhadap detail, serta kemauan untuk terus belajar dan meningkatkan diri. Keterampilan nonteknis ini sangat penting di banyak bidang karier, dan data science bukan pengecualian. Lebih penting lagi, jika Anda melengkapi proyek portofolio teknis dengan proyek berbasis konten, Anda akan dapat menunjukkan kemampuan komunikasi dan data storytelling, yang akan semakin membedakan Anda sebagai data scientist.
Melangkah pertama menuju kewirausahaan
Antara proyek sampingan dan kewirausahaan, hanya ada satu langkah yang perlu diambil, yaitu terjun penuh waktu ke dalam petualangan tersebut. Banyak petualangan yang kemudian menjadi startup bernilai jutaan dolar. Selain itu, proyek portofolio juga merupakan cara yang bagus untuk memulai menjadi data scientist freelance. Untuk mempelajari lebih lanjut tentang menjadi data scientist freelance, baca bagian 1 dan bagian 2 dari panduan kami tentang menjadi data scientist freelance.
5 tempat untuk meng-host portofolio data science Anda
Berbagi proyek Anda dengan komunitas data science dapat berkontribusi pada basis pengetahuan umum, mengundang kolaborasi, membantu membangun personal brand, dan melibatkan Anda dalam percakapan yang lebih luas. Itulah mengapa penting untuk mengomunikasikan proyek Anda dan memastikan proyek tersebut terlihat oleh sebanyak mungkin orang. Ada banyak pilihan untuk meng-host portofolio data science Anda, namun berikut adalah beberapa alat dan platform terbaik yang akan membantu Anda menampilkan portofolio secara online.
1. DataLab
DataLab adalah notebook kolaboratif berbasis cloud yang memungkinkan Anda menganalisis data, berkolaborasi dengan orang lain, dan memublikasikan analisis seketika. Dibangun oleh DataCamp, platform ini memungkinkan Anda menulis kode, menganalisis data, dan membagikan wawasan data langsung dari peramban Anda. DataLab menawarkan 40+ dataset pramuat untuk Anda analisis, selain contoh kode siap pakai melalui templat playbook. DataLab mendukung R, Python, dan SQL, dan tersedia di sistem operasi apa pun. Tidak memerlukan instalasi maupun unduhan. Setelah membuat proyek, Anda dapat membagikan tautannya ke profil DataCamp Anda agar orang lain dapat mengaksesnya secara instan. Beberapa contoh proyek berkualitas tinggi yang di-host di DataLab adalah
2. Kaggle
Kaggle adalah platform komunitas daring bagi data scientist dan penggemar machine learning. Platform ini memungkinkan Anda berkolaborasi dengan data scientist lain, menemukan dan memublikasikan dataset, memublikasikan notebook, serta berkompetisi dengan data scientist lain untuk menyelesaikan tantangan data science. Ada banyak dataset yang tersedia bagi mereka yang ingin mengimplementasikan algoritmanya. Keunggulan platform ini adalah datanya relatif terstruktur dan sudah dibersihkan. Oleh karena itu, ini adalah tempat yang bagus untuk mulai merasakan bagaimana mengerjakan proyek data science. Setelah mendaftar, Anda dapat menelusuri berbagai kompetisi yang sedang berlangsung dalam beberapa kategori:
- Kompetisi berdurasi panjang untuk pemula merupakan sumber daya yang bagus untuk memulai. Anda dapat menerapkan pengetahuan Anda dan menggunakannya untuk berlatih apa yang telah dipelajari.
- Kompetisi berbatas waktu untuk mendapatkan swag atau popularitas berada satu tingkat di atas tingkat kesulitan pemula.
- Kompetisi berbatas waktu dengan hadiah bisa lebih menantang. Biasanya disponsori oleh penyelenggara eksternal seperti Netflix, Google, dan lainnya.
Bergabung dalam kompetisi ini adalah cara yang bagus untuk mengembangkan dan meningkatkan keterampilan serta kemampuan teknis Anda. Untuk menampilkan karya Anda, Anda harus memiliki notebook (Kernel) yang menjelaskan secara rinci seluk-beluk proyek Anda agar bisa dipahami sebanyak mungkin orang.
Karena platform ini dikenal memiliki jumlah peserta yang tinggi, mungkin tidak mudah bagi pemula untuk memenangkan hadiah. Namun, berpartisipasi dalam kompetisi dan memublikasikan notebook memungkinkan Anda mengembangkan keterampilan, mengumpulkan poin, dan naik peringkat. Mudah dibayangkan bahwa meraih peringkat tertinggi Grandmaster di Kaggle akan membuka pintu dalam karier Anda sebagai data scientist. Anda dapat membaca panduan lengkap tentang Kaggle ini untuk informasi lebih lanjut. Beberapa notebook hebat yang di-host di Kaggle dapat ditemukan di bawah ini:
3. GitHub
Secara garis besar, GitHub adalah situs dan layanan cloud yang memungkinkan pengembang menyimpan dan mengelola repositori kode mereka serta melacak dan memantau perubahannya. Untuk memahami apa itu GitHub, Anda perlu mengetahui dua prinsip terkait: version control dan Git, yang membantu Anda merekam perubahan pada proyek dari waktu ke waktu agar dapat memanggil versi tertentu di kemudian hari. Anda dapat melihat panduan ini untuk mempelajari lebih lanjut tentang Git. Platform ini memungkinkan pengguna berkolaborasi atau memublikasikan proyek open-source, melakukan fork dan berbagi kode, serta melacak isu. Menyiapkan akun GitHub dan meng-host portofolio Anda menggunakan GitHub Pages mudah dan gratis. Cukup ikuti langkah-langkah ini:
- Buat akun GitHub.
- Pelajari cara menggunakan Git dan GitHub. Anda dapat menemukan penjelasan terperinci dan tutorial untuk memahami Git dan GitHub dengan mengikuti tutorial ini atau kursus Introduction to Git.
- Unggah situs Anda ke GitHub Pages dengan mereplikasi langkah-langkah berikut:
- Buka GitHub dan buat repositori publik baru bernama username.github.io, di mana username adalah nama pengguna (atau nama organisasi) Anda di GitHub.
- Jika Anda belum familier dengan perintah Git, Anda bisa mengunduh GitHub Desktop untuk menggunakan Git dan GitHub di macOS dan Windows.
- Setelah selesai instalasi, buka GitHub.com dan muat ulang halaman. Klik tombol "Set up in Desktop". Saat aplikasi GitHub Desktop terbuka, simpan proyeknya.
- Buka editor teks Anda, dan buat index.html untuk proyek Anda.
- Commit perubahan Anda dan tekan publish.
- Beri situs Anda tema—Tema Bootstrap atau templat HTML/CSS akan berfungsi, tetapi tema WordPress tidak.
Cara efektif untuk menyampaikan proyek Anda adalah dengan menggunakan platform seperti GitHub. Setelah membuat akun GitHub, Anda dapat mulai memposting proyek di sana. Di GitHub, setiap proyek Anda harus memiliki berkas README.md yang dapat dibaca pengguna dengan mudah. Ini sering kali dilupakan para coder, padahal sangat krusial. Jika Anda tidak memiliki README.md, akan jauh lebih sulit bagi pembaca untuk memahami tentang apa proyek tersebut. Berikut contoh proyek portofolio GitHub Pages
4. Situs Web Pribadi
Memiliki blog atau situs web pribadi juga merupakan cara yang sangat baik untuk memusatkan proyek Anda, apalagi karena relatif mudah menyiapkan situs tanpa menghabiskan banyak anggaran. Jika Anda memilih jalur ini, WordPress adalah tempat yang bagus untuk memulai, meskipun CMS lain seperti Strikingly atau Wix juga dapat bekerja dengan baik. Meskipun mungkin lebih sulit menarik perhatian ke proyek Anda dibandingkan jika meng-host-nya di situs seperti DataLab atau Kaggle, meng-host situs sendiri memungkinkan kontrol dan kustomisasi yang lebih besar. Selain itu, jika Anda bekerja keras mengoptimalkan SEO, Anda bisa muncul cukup tinggi di hasil pencarian Google.
5. Medium (dan media sosial)
Penting untuk mengomunikasikan proyek Anda sebanyak mungkin. Untuk proyek portofolio berbasis konten, ada platform blog yang dapat Anda gunakan selain situs pribadi Anda. Medium adalah salah satu platform terbaik untuk menjangkau audiens yang lebih luas dengan proyek Anda. Selain itu, memposting di jejaring sosial seperti Quora, LinkedIn, Twitter, dan Reddit dapat membantu memperkuat legitimasi Anda sebagai data scientist dan membuat proyek Anda mendapatkan lebih banyak visibilitas.
Pelajari lebih lanjut
Memiliki portofolio data science yang solid dapat menjadi pembeda. Ini adalah kesempatan untuk memperoleh dan mempelajari kemampuan baru serta memanfaatkan dan meningkatkan yang sudah ada. Mengejar proyek portofolio dapat memungkinkan Anda membangun keterampilan baru, menarik perhatian perekrut, dan berpotensi menghasilkan sumber pendapatan dengan membantu Anda memulai perjalanan freelance. Menunjukkan proyek yang telah Anda kerjakan kepada perekrut akan membedakan Anda dari data scientist lainnya, jadi luangkan waktu untuk mengasah portofolio Anda, karena pengembalian investasinya jelas sepadan. Untuk informasi lebih lanjut tentang proyek portofolio dan cara meniti karier di data science, lihat sumber daya berikut:
