Anda membuka web dan menemukan bahwa Data Scientist adalah pekerjaan yang paling diminati.
Web tersebut mengatakan bahwa Anda akan dibayar ~$100.000 per tahun sebagai Data Scientist.
Anda tertarik dengan prospeknya dan mulai mencari cara untuk menjadi seorang Data Scientist.
Membuka setiap tab web,
membaca banyak artikel,
mengumpulkan banyak e-book,
mengirim pesan ke orang-orang di LinkedIn,
menonton kursus di YouTube,
mendaftar untuk kelas online,
menghadiri bootcamp Data Science offline,
berkompetisi di Kompetisi Kaggle,
dan sebagainya.
Anda mengorbankan banyak hal — waktu, uang, tidur, mental, hubungan, dan sebagainya.
Kemudian Anda merasa siap menjadi Data Scientist.
Anda melamar kerja — pekerjaan Entry Level dengan ribuan pelamar,
menunggu panggilan,
beberapa perusahaan menelepon atau tidak ada sama sekali,
ditolak,
Anda menjadi lebih kreatif,
mencoba mencari koneksi sosial,
atau melamar internship,
dan terus mencoba.
Meskipun banyak yang telah dikorbankan, hanya beberapa orang yang berhasil mendapatkan posisi pekerjaan Data Science.
Banyak yang harus menunggu kesempatan lain atau bahkan menyerah.
Tidak semua orang melalui penderitaan yang sama, tetapi beberapa mungkin merasa familiar.
Apakah pengorbanan ini layak?
Mari saya coba jelaskan apa yang Anda butuhkan untuk menjadi seorang Data Scientist.
“Lalu, mungkin, Data Scientist adalah pekerjaan yang layak untuk Anda perjuangkan.”
Apa yang Diperlukan untuk Menjadi Data Scientist?
Ada banyak keterampilan penting untuk menjadi Data Scientist, tetapi mana yang paling penting? Mari kita lihat 10 keterampilan teratas yang disurvei di KDNuggets Polls.
Seperti yang diprediksi, banyak keterampilan tersebut adalah keterampilan teknis. Python dan Data Visualization menempati tempat pertama dan kedua, dengan Critical Thinking Skill dibelakangnya. Untuk sementara, mari abaikan keterampilan non-teknis seperti Critical Thinking dan Business Understanding.
Berapa lama sebenarnya waktu yang dibutuhkan untuk mempelajari semua keterampilan ini dan berapa biaya yang perlu dikeluarkan? Mari kita ambil beberapa contoh yang ada.
Online Courses
Katakanlah kita belajar 4 jam per minggu (yang sering direkomendasikan dalam kursus online).
IBM Data Science Course di Coursera menyediakan kursus untuk Python & SQL, menganalisis & memvisualisasikan data, membangun model machine learning. ~10 Bulan. Biaya: $USD 39 per bulan
Data Science Online Bootcamp di Udemy menjanjikan untuk mempelajari Matematika, Statistik, Python, Advanced Statistics di Python, Machine & Deep Learning. ~28 jam video online. Jika kita belajar 4 jam per minggu, akan memakan waktu ~ 2 Bulan. Biaya: ~$USD 200 tetapi sering kali didiskon menjadi ~$USD 12
Data Science track di DataCamp,yang mencakup kursus Python, Data Visualization, SQL, Machine Learning, dan Statistics. 100 jam ~ 7 Bulan. Biaya: Langganan standar $USD 25 per bulan atau $300 per tahun.
Bootcamp
Bagaimana dengan Bootcamp Offline (atau Online, tetapi intensif) dengan trainer? Berapa lama mereka menjanjikan Anda bisa menjadi Data Scientist?
Metis Data Science Bootcamp in the US curriculum mengatakan Anda akan mempelajari Python, SQL, Machine Learning, dan Statistik (dan banyak lagi). ~12 Minggu atau 3 Bulan. Biaya: Uang Kuliah Penuh $USD 17000
New York Data Science Academy curriculum mencakup Python (dan R), Data Visualization, SQL, dan Machine Learning. ~12 Minggu atau 3 Bulan. Biaya: Uang Kuliah Penuh $USD 17600
Springboard Data Science Track dengan kurikulum Python, Data Visualization, SQL, dan Machine Learning. ~6 Bulan. Biaya: Bayar Di Muka $USD 7500
Singapore Hackwagon Data Science courses dengan kursus lengkap pada Python, Data Visualization, Machine Learning, Math, dan Statistics. ~7 Minggu x 3 Kursus atau sekitar ~ 5 Bulan hingga 6 Bulan. Biaya: $SGD 2000 per kursus x 3 = $SGD 6000
Dari contoh di atas, kita bisa melihat bahwa kursus online menawarkan banyak video atau kursus. Banyak yang merekomendasikan mempelajarinya lebih dari enam bulan (tergantung seberapa lama Anda ingin menghabiskan setiap minggunya).
Ini masuk akal karena kursus online bersifat statis tanpa interaksi dengan mentor, sehingga Anda membutuhkan waktu lebih lama untuk memahami setiap konsep. Keuntungan utama dari kursus online adalah murah; Hampir semua orang mampu membelinya jika menyisihkan sedikit uang meskipun ini juga menjadi masalah. Meskipun murah, kursus ini hanya membangun pengetahuan sementara tanpa bimbingan yang tepat — tanpa arah.
Selain itu, banyak employers tidak melihat kursus online sebagai aset, kecuali jika Anda sudah memiliki gelar atau pengalaman yang relevan. Pendapat saya pribadi, kursus online sebanding dengan harganya — Ini bagus untuk meningkatkan/meninjau keterampilan Anda, tetapi jangan sepenuhnya mengandalkan ini untuk menjadi Data Scientist. Anda bisa mencoba mempelajari keterampilan tersebut dengan menggunakan berbagai buku atau hanya membaca dokumentasi, tetapi saya tidak yakin berapa lama waktu yang dibutuhkan untuk menguasai keterampilan yang diperlukan.
Bagaimana dengan Bootcamp? Kita bisa melihat bahwa ini jauh lebih mahal. Benar-benar mahal. Ini karena Bootcamp menawarkan beberapa hal yang tidak dimiliki kursus online, yaitu pengajar profesional, personal mentoring, jadwal intensif, dan koneksi (Meskipun saya tahu beberapa Bootcamp tidak memiliki karyawan berpengalaman dan/atau koneksi). Pertanyaannya, apakah itu layak? Jawabannya Ya dan Tidak. Ya, karena bagi pemula, Anda akan membutuhkan arah, tinjauan profesional, dan koneksi untuk masuk ke Data Science dan Tidak karena Anda bisa mendapatkan semua keterampilan yang diperlukan dari buku atau kursus online. Sebagai pertimbangan, dalam kondisi saat ini sulit menjamin pekerjaan seseorang, sebanyak apapun Bootcamp menjanjikan Anda pekerjaan setelah menyelesaikan kursus; terimalah dengan skeptis.
Sekarang, apa yang telah saya jelaskan sebelumnya adalah tentang keterampilan teknis. Di mana Anda mendapatkan keterampilan non-teknis seperti Critical Thinking, Communication, dan Business Understanding? Tidak ada Kursus Online atau Bootcamp yang mengajarkan ini. Untuk ini, saya belum menyebutkan cara untuk mendapatkan keterampilan yang diperlukan; yaitu dengan mendapatkan gelar dan/atau bekerja secara profesional, seperti saya.
Mengapa banyak pemberi kerja menyukai calon Data Scientist yang memiliki gelar? Ini karena ada keterampilan yang hanya Anda dapatkan dengan mengikuti kursus di Perguruan Tinggi/Universitas. Saya tidak mengatakan Anda perlu gelar Ph.D. untuk menjadi data scientist yang baik — Bahkan Sarjana sudah cukup jika Anda mengikuti kursus dengan benar.
Ini akan mengajarkan Anda Critical Thinking dan cara berkomunikasi, mungkin Business jika gelar Anda sejalan dengan bisnis pemberi kerja. Meskipun demikian, ini akan memakan waktu lama dan biaya lebih tinggi dibandingkan dengan apa yang saya sebutkan di atas. Waktu pendidikan saya untuk Gelar Master membutuhkan enam tahun dengan tiga-empat Tahun sebagai Peneliti Profesional, dan beberapa bulan untuk meninjau keterampilan teknis saya sekali lagi sebelum menjadi Data Scientist. Ya, secara total, saya membutuhkan sekitar sembilan-sepuluh tahun persiapan hanya untuk masuk ke dunia Data Science.
Bagaimanapun cara yang Anda pilih, bersiaplah untuk menghabiskan banyak waktu dan uang untuk mendapatkan keterampilan yang diperlukan. Tidak ada makan siang gratis. Anda perlu memberikan sesuatu untuk mendapatkan sesuatu. Juga, tidak ada jaminan untuk mendapatkan pekerjaan sebagai data scientist setelah semua itu. Anda perlu mempersiapkan mental yang kuat untuk menghadapi penolakan yang datang.
Apakah Layak Diperjuangkan?
Saya mengorbankan banyak uang, waktu, tidur, dan hubungan. Saya menghabiskan banyak uang dan waktu di tempat yang salah. Saya menolak tawaran untuk berkumpul dengan teman atau bahkan hubungan hanya untuk fokus mempelajari Aljabar Linear. Saya menghabiskan waktu saya hanya untuk meningkatkan keterampilan saya. Apakah semuanya layak?
Sekarang, jika tujuan Anda hanya gaji, Data Scientist tidak layak sama sekali. Masih ada banyak pekerjaan yang membayar lebih baik dengan waktu dan uang yang dihabiskan lebih sedikit untuk menguasai keterampilan (atau bahkan lebih sedikit keterampilan untuk dipelajari). Misalnya, Software Engineer, Full Stack Developer, Lawyer, Pharmacist, atau bahkan Pilot. Masih banyak jenis pekerjaan di luar sana yang lebihsedikit waktu belajar dengan gaji yang lebih baik dan nama yang keren.
Jika Anda menjadi Data Scientist, alur kerja Anda kira-kira akan terlihat seperti ini.
Jangan bayangkan sebagai Data Scientist kita akan bekerja membuat model machine learning atau secara ajaib memprediksi apa yang akan terjadi selanjutnya. Seringkali, kita hanya mengumpulkan data, membuat laporan, menggunakan statistik untuk memahami apa yang terjadi, presentasi, dan eksplorasi data. Ini masih tergantung pada bisnis perusahaan Anda, tetapi sering kali, akan seperti di atas.
Jika Anda tidak bisa membayangkan diri Anda bekerja mengumpulkan dan melihat data sepanjang waktu, maka jangan menjadi Data Scientist. Model Machine Learning memang keren, tetapi jangan terjebak pada pekerjaan yang akan Anda sesali. Pengorbanannya terlalu besar.
Namun, jika Anda menyukai melihat pola, tidak keberatan berurusan dengan asumsi, memiliki kesabaran dalam menjelajahi data, menyukai analisis, memiliki bakat literasi data, dan pandai berkomunikasi. Maka, mungkin, Data Scientist adalah pekerjaan yang layak Anda perjuangkan. Bagaimanapun, Anda perlu tahu apa yang anda kejar sebelum melakukan pengorbanan itu.
Kesimpulan
Saya menyukai karir saya karena saya menyukai mengeksplorasi data saya, melihat pola, mendapatkan informasi baru, membuat hipotesis, menguji saran saya, dan banyak lagi yang bisa saya lakukan dengan data. Ya, saya juga menyukai bermain dengan Machine Learning, tetapi itu bukan satu-satunya yang saya nikmati dari pekerjaan saya. Prospek kariernya tentu saja bagus juga.
Yang ingin saya katakan adalah Anda membutuhkan banyak pengorbanan untuk masuk ke Data Science. Sebelum Anda melakukan semua itu, pastikan pengorbanan tersebut layak. Bagi saya, itu layak.
Comments