Data science adalah salah satu bidang paling menarik dan paling cepat berkembang dalam 10 tahun terakhir. Alhasil, banyak program universitas, bootcamp data science, dan kursus online tersedia bagi siapa pun yang ingin terjun ke bidang ini. Program-program ini merupakan cara yang sangat baik untuk mempelajari keterampilan yang dibutuhkan, tetapi ketika tiba saatnya benar-benar mendapatkan peran, penting untuk menunjukkan bahwa Anda memiliki seperangkat keterampilan yang tepat, karena banyak pemberi kerja mencari pengalaman langsung. Portofolio yang efektif akan memungkinkan Anda menunjukkan, alih-alih sekadar mengatakan, kepada calon pemberi kerja bahwa Anda memiliki kecakapan untuk berhasil dalam peran data science.
Saat ini, sebagian besar data scientist memiliki portofolio, namun sangat sedikit yang menonjol. Jika portofolio Anda terlihat terlalu generik, tidak memuat proyek yang menarik, atau kurang penjelasan, pembaca Anda akan kesulitan mengikuti dan tetap tertarik. Agar kerja keras Anda benar-benar diapresiasi audiens, berikut beberapa kiat sederhana untuk mengubah portofolio yang baik menjadi luar biasa.
Mengapa berinvestasi pada portofolio data science?
Bagi calon data scientist, ada alasan yang jelas untuk berinvestasi pada portofolio: membantu Anda mendapatkan peran dengan menunjukkan keterampilan Anda, bahkan sebelum perekrut memberikan tes teknis. Namun, menemukan peran baru adalah ganjaran eksternal. Menemukan motivasi internal sangat penting agar kepuasan dari mengembangkan portofolio bergantung pada diri Anda, bukan pada proses wawancara yang tidak dapat Anda kendalikan. Ini juga akan membuat portofolio Anda terasa lebih autentik dan memotivasi Anda untuk menampilkan karya terbaik.
Berikut beberapa alasan utama mengapa membangun portofolio berkualitas tinggi sepadan dengan waktu Anda.
Mendapatkan peran impian
Portofolio sering menjadi alat kunci dalam proses rekrutmen data science. Manajer rekrutmen teknis dan data scientist yang mewawancarai Anda akan meninjaunya untuk menilai keterampilan, pengalaman, dan minat Anda, dan mungkin menanyakan pertanyaan tentangnya.
Memberi Anda pengalaman praktis yang penting
Memahami teori di balik sebuah algoritme machine learning adalah langkah penting untuk masuk ke data science, tetapi ujian sebenarnya adalah menerapkan keterampilan yang Anda pelajari pada sebuah use case. Mengerjakan proyek secara menyeluruh akan memantapkan apa yang telah Anda pelajari dan memastikan Anda dapat membicarakannya dengan percaya diri.
Mengenal komunitas data
Data scientist senang melihat apa yang telah dilakukan data scientist lain. Tidak ada satu cara yang benar untuk melakukan segala sesuatu dan mempromosikan serta mendiskusikan proyek Anda dengan komunitas adalah cara yang bagus untuk mengembangkan solusi menarik bagi suatu masalah.
Kesenangan Anda sendiri
Ini salah satu alasan terpenting untuk membuat portofolio; pada akhirnya, data science itu menyenangkan! Jika Anda benar-benar menikmati proyek yang sedang Anda kerjakan, itu akan memotivasi Anda untuk memberikan yang terbaik, dan orang lain cenderung merasakan semangat Anda.
Apa saja jenis proyek portofolio yang berbeda
Proyek portofolio tidak hanya tentang keterampilan teknis seperti menunjukkan kemampuan Anda membuat kode. Proyek berbasis konten juga merupakan cara yang fantastis untuk menampilkan pemahaman Anda tentang suatu topik dan menunjukkan keterampilan komunikasi Anda, yang merupakan atribut kunci yang dicari pewawancara. Faktanya, setiap proyek portofolio teknis harus memiliki penjelasan yang jelas yang ditujukan untuk audiens non-teknis. Di bawah ini adalah beberapa contoh jenis proyek portofolio. Memiliki kombinasi keduanya dalam portofolio Anda penting untuk menunjukkan seperangkat keterampilan multifaset yang sering dibutuhkan peran data science.
Proyek berbasis kode
Proyek berbasis kode adalah tipe proyek portofolio yang paling umum. Intinya, ini mereplikasi proyek data science dunia nyata dengan mengambil sebuah dataset dan memecahkan masalah di sekitarnya. Contoh proyek berbasis kode mencakup:
- Melakukan scraping dataset dan menjalankan analisis atau melatih model
- Membangun dasbor seputar dataset atau topik tertentu
- Membuat situs web atau aplikasi yang dapat diinteraksikan seseorang.
- Menganalisis data tentang topik tren seperti serial TV populer atau berita
Proyek berbasis konten
Proyek berbasis konten umumnya lebih jarang terlihat sebagai proyek portofolio tetapi sangat efektif untuk menunjukkan keterampilan komunikasi dan menulis Anda. Contoh proyek berbasis konten meliputi
- Posting blog dan tutorial coding yang menjelaskan konsep untuk data scientist lain, atau audiens non-teknis
- Tutorial video yang menampilkan cara kerja alat tertentu
- Berpartisipasi dalam podcast — atau mengelola podcast sendiri di mana Anda mewawancarai data scientist dan praktisi
7 cara merancang portofolio data yang luar biasa
1. Jadilah autentik dan ikuti passion Anda
Proyek portofolio terbaik bukanlah yang menggunakan alat dan model terbaru atau paling kompleks. Sebaliknya, proyek portofolio yang paling menarik perhatian adalah yang lahir dari passion yang autentik. Jika Anda dengan susah payah melakukan scraping sebuah dataset untuk tugas tertentu, menulis cerita yang memikat, atau membuat sesuatu yang menceritakan kepada dunia tentang passion Anda, orang akan mengenalinya. Nick Singh, rekan penulis Acing the Data Science Interview, melangkah lebih jauh dalam episode DataFramed ini dan menyarankan bahwa hasrat terhadap karya Anda sendiri bisa begitu menular sehingga akan membuat manajer perekrutan percaya bahwa Anda bersemangat tentang segala hal yang berkaitan dengan data science, termasuk perusahaan mereka dan peran yang Anda lamar.
Proyek portofolio data science tidak mudah diselesaikan. Anda akan menemui banyak hambatan, harus menyeimbangkan komitmen lain, dan menyelesaikan 10% terakhir bisa terasa seperti mengerjakan kembali seluruh proyek. Mengerjakan sesuatu yang Anda minati akan membantu Anda melewati tantangan dan memastikan Anda menciptakan proyek yang Anda banggakan.
2. Ceritakan sebuah kisah
Mencurahkan waktu dan passion pada sebuah proyek dapat membuat Anda menjadi ahli, namun penting memastikan pembaca dapat mengikuti perjalanan Anda dari awal hingga akhir melalui konten yang Anda sediakan. Ingat, banyak orang akan menelusuri portofolio Anda tanpa pengetahuan sebelumnya tentang proyek Anda dan tanpa waktu untuk melakukan riset tambahan. Karena itu, kisah yang ringkas namun memikat sangat penting dalam proyek portofolio. Baik Anda memublikasikannya di halaman readme repositori GitHub atau di bawah judul dasbor, pastikan Anda menjabarkan mengapa pembaca harus tertarik pada proyek Anda, motivasi Anda mengerjakannya, dan pertanyaan inti yang dijawab. Ini juga berfungsi untuk menarik perhatian pembaca dan mengarahkan mereka ke notebook, model, atau dasbor Anda.
Sebuah cerita yang menarik adalah salah satu bagian terpenting dari portofolio karena menunjukkan empati, rasa ingin tahu, dan passion Anda yang tulus. Mengajak pembaca melalui perjalanan yang memikat akan membuat proyek Anda menonjol.
3. Tunjukkan keterampilan teknis Anda—namun hindari perluasan cakupan berlebihan
Proyek portofolio yang baik menunjukkan keterampilan teknis Anda, tetapi itu tidak berarti Anda perlu menerapkan semua keterampilan teknis yang Anda miliki. Misalnya, jika Anda menghabiskan waktu berjam-jam mengembangkan alat scraping tingkat lanjut, Anda tidak harus memperluas cakupan proyek Anda lebih jauh lagi untuk mengakomodasi teknik pemodelan mutakhir.
Pendekatan yang baik adalah memusatkan proyek Anda pada satu domain teknis dan menerapkan fundamentalnya di seluruh bagian proyek lainnya. Jika tujuan proyek Anda adalah menunjukkan kemampuan pembersihan dan pengumpulan data, misalnya, tidak apa-apa jika Anda tidak menghasilkan akurasi prediksi terbaik menggunakan model paling mutakhir. Membatasi cakupan proyek adalah cara yang bagus untuk menceritakan kisah yang ringkas namun menarik yang dengan jelas menunjukkan berbagai aspek keterampilan teknis Anda.
Cara hebat lainnya untuk menunjukkan keterampilan teknis Anda adalah dengan memastikan kode Anda mudah dibaca dan terdokumentasi dengan baik. Pastikan notebook memiliki judul dan penjelasan, serta tinjau kode Anda dan tambahkan komentar pada fungsi-fungsi. Orang yang meluangkan waktu menelusuri notebook akan memperhatikan komentar dan nama variabel yang jelas.
4. Hindari Proyek Seragam yang Itu-Itu Saja
Dataset seperti Titanic, MNIST, atau Iris sebaiknya dihindari jika memungkinkan. Dataset ini bagus untuk belajar dan menguji model, tetapi sangat sering digunakan oleh pemula data scientist dan kursus online, hingga perekrut dan manajer rekrutmen mungkin menganggap Anda jauh lebih awal dalam perjalanan data science daripada yang sebenarnya. Selain itu, dataset tersebut tidak membantu Anda menunjukkan passion terhadap data science dan jenis proyek yang benar-benar menarik bagi Anda.
Menampilkan proyek yang sudah umum dilakukan dalam portofolio Anda berisiko. Banyak orang yang melihat portofolio Anda mungkin pernah mengerjakan proyek yang sama, yang dapat membuat mereka kehilangan minat—terutama karena banyak tutorial publik tersedia untuk dataset ini.
5. Jangan abaikan soft skill Anda
Cerita yang hebat bukan satu-satunya ‘soft skill’ yang harus Anda tampilkan dalam proyek portofolio. Menjelaskan masalah kompleks secara sederhana dan ringkas adalah keterampilan penting di tempat kerja—dan yang harus disorot dalam proyek portofolio Anda. Selain itu, portofolio Anda bisa menjadi kesempatan untuk berkontribusi pada komunitas data science dan mengajari pembaca keterampilan baru. Atribut lain yang esensial dalam data science adalah rasa ingin tahu, karena menelusuri makalah atau posting blog sering diperlukan untuk menemukan solusi atas masalah spesifik dan ini adalah sesuatu yang dicari pemberi kerja.
Menghasilkan insight dari dataset baru, dan menjelaskan bagaimana Anda menyelesaikan tantangan unik yang Anda temui dalam proyek portofolio, adalah cara yang luar biasa untuk menunjukkan rasa ingin tahu dan kreativitas—keterampilan yang sulit dipelajari.
6. Rancang untuk pembaca Anda
Pengalaman pengguna bagi pembaca Anda sama pentingnya bagi portofolio Anda seperti halnya bagi aplikasi atau situs web mana pun. Penting untuk memandu pembaca ke informasi yang relevan tanpa membuat mereka kewalahan, sekaligus memberi kesempatan untuk menyelami lebih dalam jika mereka mau.
Jangan mengabaikan desain proyek Anda: Estetika yang menarik akan mempertahankan minat pembaca dan membantu portofolio Anda menonjol. Portofolio yang tampak bersih bahkan dapat membantu pembaca yang tidak familiar dengan istilah teknis untuk mengikuti cerita Anda. Selain itu, Anda dapat mengadaptasi gaya desain proyek sebagai templat untuk proyek-proyek berikutnya dan menautkannya satu sama lain untuk menuntun pengguna secara mulus ke lebih banyak konten Anda.
7. Pasarkan personal brand Anda
Portofolio Anda bukan satu-satunya informasi yang dapat ditemukan orang tentang Anda. Pencarian Google sederhana kemungkinan akan menampilkan profil LinkedIn, situs web, blog, GitHub, dan media sosial lainnya. Anda perlu memastikan citra, gaya penulisan, dan konten Anda konsisten di seluruh kanal tersebut dan semuanya saling menaut. Pastikan Anda menyertakan tautan ke portofolio di tanda tangan email serta di CV atau resume. Personal brand yang kuat membantu Anda menonjol sebagai individu. Personal brand yang baik harus menyoroti keterampilan utama, pencapaian Anda, dan menunjukkan kepada orang lain apa yang Anda lakukan.
Contoh portofolio data science yang hebat
Jika Anda tertarik melihat bagaimana prinsip-prinsip ini diterapkan dalam praktik — berikut daftar portofolio dan proyek data science kelas atas untuk menginspirasi Anda:
Nikolaos Christoforidis: Passion terhadap Olahraga
Proyek Nikolaos sarat kode sejak awal dan dengan jelas menunjukkan kemahirannya yang tinggi dengan Pandas dan Scikit-learn. Ia juga sangat berhasil membuat notebook yang menarik dengan menggarap dataset yang akrab bagi khalayak umum. Banyak dari kita yang menggemari olahraga dan saat ini tersedia banyak dataset menarik. Proyek tentang olahraga dapat dengan mudah menarik pembaca yang sepemikiran hingga akhir, terutama jika menggabungkan dataset dan pertanyaan menarik dengan visualisasi keren yang menangkap elemen olahraga itu sendiri. Ini juga cara yang hebat untuk memastikan passion Anda terlihat jelas dalam karya Anda, yang bahkan dapat menarik minat orang yang tidak mengikuti olahraganya!
Yan Holtz: Desain yang Fantastis
Jika Anda mencari inspirasi desain portofolio, tidak perlu mencari lagi. Desain portofolio Yan memancarkan passion dan kerapian, terutama animasi di bagian atas halaman yang bereaksi terhadap penunjuk mouse Anda. Mustahil untuk tidak terus menggulir hingga Anda mencapai beberapa proyeknya. Setiap proyek memiliki visualisasi unik yang semakin menarik minat Anda, sementara klik akan menampilkan penjelasan yang ringkas.
Samuel Verevis: Kepribadian
Meskipun dataset wine umum terdapat dalam portofolio, Samuel menghadirkan sesuatu yang benar-benar baru melalui judul bagian yang humoris dan visualisasi yang luar biasa. Grafik-grafiknya memadukan kekerenan dengan kejelasan, menunjukkan pemahaman yang jelas tentang cara bercerita dan menjaga ketertarikan pembaca. Ini adalah cara yang hebat untuk menunjukkan keaslian, keterampilan, dan passion, bahkan pada dataset yang sering digunakan dalam proyek portofolio lain.
Philipp Schöttler: Menjadi Viral
Data Bitcoin dan proyek portofolio yang menarik; padanan yang sempurna. Phillipp jelas bersemangat dan berpengetahuan tentang topik ini dan mampu menghasilkan sebuah bacaan yang menyeluruh dan menarik tentang Bitcoin sekaligus menunjukkan pemahaman mendalamnya tentang pasar keuangan. Ini adalah demonstrasi yang hebat tentang cara membuat konten pada topik populer sambil tetap memberikan nilai bagi berbagai audiens seperti data scientist lain, investor, penggemar blockchain, dan orang yang ingin belajar.
Pelajari lebih lanjut
Meskipun melihat contoh bagus untuk inspirasi, dan membaca panduan seperti ini dapat membantu mengarahkan Anda ke jalur yang tepat, hal terpenting yang perlu diingat adalah portofolio Anda harus mencerminkan diri Anda—keterampilan, minat, dan kepribadian Anda. Bagaimanapun, ini adalah perjalanan data science Anda. Anda dapat menemukan lebih banyak sumber daya untuk memandu perjalanan Anda di bawah ini:
