Bagaimana DataLab mendukung pembelajar di seluruh dunia

Dari peningkatan keterampilan hingga kurasi portofolio - lihat bagaimana para pembelajar memanfaatkan DataLab

Diperbarui 28 Sep 2026 · 3 mnt Baca

Jelajahi bersama AI

Kami berbincang dengan para pengguna DataLab untuk mempelajari pengalaman unik mereka saat menggunakan alat ini. Siapa sangka alat sederhana di browser bisa berkembang menjadi platform serbaguna? Teruskan membaca untuk mengetahui caranya.

Alat ideal untuk membuat portofolio Anda

Tujuan pertama kami adalah Richard Pallangyo—berasal dari Tanzania, Richard saat ini tinggal di Amerika Serikat. Setelah berhasil menyelesaikan studi sarjana, ia kini ingin meniti karier di bidang data science dan perangkat lunak.

Melalui perjalanan belajarnya di DataCamp, Richard menemukan DataLab: “Selama saya memiliki akses internet, saya rasa saya akan lebih memilih menggunakan DataLab.” Kami setuju! Richard memiliki total sembilan publikasi DataLab yang ia gunakan untuk membangun portofolio dalam berbagai wawancara kerja. Dalam salah satu wawancaranya, ia memanfaatkan profil DataCamp untuk membagikan portofolionya yang ekstensif.

Mereka menemukan salah satu proyek saya sangat menarik dan meminta saya membahasnya dalam wawancara.
Richard Pallangyo

Peluang visualisasi data

Berikutnya, kami berbincang dengan Jorge Rodriquez Ramos, seorang peneliti postdoktoral di bidang biofisika. Di dunia akademik Jorge, bahasa pemrograman andalan biasanya MATLAB, tetapi setelah awalnya mengenal R, ia bertemu Python dan tidak pernah menoleh kembali.

Jorge mulai menggunakan DataCamp atas rekomendasi rekan kerja dan berhasil menyelesaikan 14 kursus!.

Setelah meningkatkan keterampilannya di DataCamp, Jorge memanfaatkan DataLab untuk menguji ilmu barunya. Ia menggunakan DataLab untuk membuat visualisasi data yang sederhana namun sangat jelas untuk dibagikan kepada rekan-rekannya, sebagai alternatif dari plot statis yang lebih tradisional dan masih sering digunakan di dunia akademik. Jorge mengenal orang-orang yang masih menggunakan Fortran 90 dan 77 untuk ngekode, jadi dengan menggunakan DataLab untuk membuat visualisasi yang mudah dibaca, ia benar-benar “selangkah lebih maju.”

Menerapkan keterampilan data yang baru dipelajari

Terakhir, kami berbincang dengan Sanjay, mahasiswa pra-tingkat akhir di India yang menekuni jurusan matematika dan komputasi sambil menyeimbangkan pekerjaan lepas sebagai pakar materi probabilitas dan statistika.

Teman-temannya memperkenalkan Sanjay pada DataCamp dan ia cepat menyukai skill track dan career track: “Instrukturnya sangat berpengalaman, semuanya berorientasi praktik—luar biasa.” Teman-temannya juga mengingatkan bahwa DataCamp memiliki produk baru bernama DataLab, yang kemudian mulai ia jelajahi. (Opini pribadi saya? Sanjay punya teman-teman yang baik.)

Publikasi DataLab Sanjay tentang data COVID-19 didasarkan pada dataset dari Kaggle dan dibuat khusus untuk tugas akademik yang diberikan profesornya. Ia mulai mengerjakannya di luar DataLab dan segera menyadari bahwa DataLab akan sangat memudahkan pekerjaannya. Ia membuat analisis mendalam berdasarkan pembelajarannya di DataCamp, memublikasikannya, dan mengumpulkannya hanya dengan mengirimkan tautan kepada profesornya.

Sebagian besar informasi saya pelajari dari skill track dan career track DataCamp. Saya menerapkan keterampilan itu dalam proyek DataLab saya.
Sanjay N.

Topik

Life at DataCamp

Terkait

{count, plural, one {blog} other {blogs}}

40 Pertanyaan Wawancara DBMS Teratas di 2026

Kuasai pertanyaan wawancara basis data, dari konsep SQL dasar hingga skenario desain sistem tingkat lanjut. Panduan mendalam ini mencakup semua yang Anda perlukan untuk sukses di wawancara DBMS dan meraih peran berikutnya.

Dario Radečić

15 mnt

{count, plural, one {blog} other {blogs}}

Tutorial Korelasi di R

Dapatkan pengenalan dasar-dasar korelasi di R: pelajari lebih lanjut tentang koefisien korelasi, matriks korelasi, plotting korelasi, dan sebagainya.

David Woods

13 mnt

{count, plural, one {blog} other {blogs}}

Spaghetti Plot dan Jalur Badai

Temukan alasan mengapa Anda sebaiknya (tidak) menggunakan spaghetti plot untuk menyampaikan ketidakpastian jalur prediksi badai serta dampaknya terhadap interpretasi.