Assalamualaikum Warahmatullahi taala wabarakatuh setelah lebih dari 50.000 view dan 400 komen di Instagram yang mau belajar jadiadi data sains belajar machine learning dan artificial intelligence itu banyak sekali request-nya maka di dalam video ini kita akan mulai belajar dengan diawali memahami apa saja itu tentang data sacience data engineer dan data [Musik] analis [Musik] nah data sains Itu adalah sebuah ilmu yang mempelajari bagaimana kita bisa menemukan informasi berharga dari Kumpulan data yang besar jadi saya mengibaratkan ada gudang yang penuh data seperti struk belanja di situ juga ada data email data pelanggan semuanya ada di situ nah data saence ini membantu kita untuk meng analisa data tersebut untuk menemukan pola dan tren jadi data sains ini membantu toko online untuk mengetahui produk apa saja yang laris atau yang tidak laris sehingga mereka bisa memilih produk yang tepat untuk dijual ke depannya kemudian siapa aja sih yang bekerja di bidang data science yang pertama itu ada data Scientist mereka adalah ahli statistik dan machine learning Jadi mereka itu membangun model untuk untuk memprediksi masa depan atau membuat keputusan yang lebih baik kalau kita melihat data saintis ini punya tanggung jawab untuk menganalisa menganalisis data untuk menemukan pola dan trend kemudian juga menggunakan statistik machine learning dan pemrograman tertentu untuk menganalisis data dan menemukan pola dan trend tersebut mereka itu biasanya membangun model prediktif untuk membantu bisnis membuat keputusan Usan yang lebih baik kalau kita kerucutkan data sacitis itu harus memiliki keterampilan komunikasi juga yang baik untuk bisa mengkomunikasikan hasil analisanya kepada pemangku kepentingan atau kita bisa anggap klien lah kalau kalian mau jadi data sacitis eh keterampilan yang harus dipenuhi adalah memahami tentang statistik memahami tentang machine learning dan bisa pemograman minimal Python atau R tapi kalau saya pribadi lebih fokus nih Python karena memang lebih dinamis mudah dipelajari juga dan mudah diimplementasikan nah eh workflow-nya adalah pertama itu ada namanya capture data jadi kalau kita seorang data sacitist biasanya e mendapatkan data mulai dari file csp Excel atau text ada juga yang menggunakan data dari database menggunakan SQL atau mongonbi kalau biasanya saya pakai web respon salah satunya pakai j eh kemudian kalau data Scientist ini lebih bisa m-emanage dan bisa clean data proses ini sih untuk memilih data yang penting dan untuk dianalisis ke depannya kemudian data sentis itu melakukan eksplorasi data Jadi intinya finalisasi Analisis untuk tahapan yang lebih banyak melakukan visualisasi data dan reporting itu tahapan yang memberikan eh hasil olahannya kepada klien atau kepada tim yang lain berbentuk file database atau G kepada timam engineer ya tentunya untuk diolah kembali atau ke data analis untuk report dalam bentuk dasbort nah yang selanjutnya ada data engineer mereka adalah eh seseorang yang membangun infrastruktur data Jadi mereka itu membangun sistem untuk mengumpulkan menyimpan dan membersihkan data tanggung jawab e data engineer ini tidak jauh berbeda dengan data saintis ya tapi ini lebih ke membangun dan dan memelihara infrastruktur data yang digunakan oleh data sacientis dan data analis biasanya mereka itu harus memiliki pemahaman kuat tentang Big data dan cloud computing ini eh yang diperlukan oleh data engineer ya perannya sangat teknis sekali yang membutuhkan keterampilan pemrograman yang kuat biasanya dibutuhkan orang-orang eh data engineer ini lebih ke pemrograman python jaapa dan sebagai nya bahkan bisa juga di sql-nya memahami big data cloud computing itu wajib dipelajari seperti aws Azure eh alic clon dan sebagainya itu harus dipahami oleh seorang data engineer nah jika kalian mau jadi data engineer ada beberapa workflow yang harus diikuti seperti membentuk ground getating dan data cleansing ini mirip seperti data scitis yaitu tahapan mengumpulkan data dari berbagai sumber seperti csp SQL dan json ini bisa menentukan juga target data yang diinginkan eh digali lebih baik ya dari data menta itu pakai metodenya future engineer dan di sini juga ada tahapan seperti model selection parameter optimization itu lebih fokus nantinya lebih ke eksplorasi machine learning melakukan optimalisasi kemudian membangun model serta validasi ya Model dari machine learning maka dari itu software engineer biasanya ya di akhir itu lebih ke model development seperti rantai monitoring dan model e informment ini lebih fokus melakukan monitoring seperti kesesuaian data dalam machine learning Apakah sudah sesuai atau memang ada update lain sehingga Apakah ini datanya masih bisa dikonsumsi atau dipakai oleh aplikasi lain atau tidak yang ketiga ada data analis ini memang tahapan yang benar-benar dibutuhkan ketika kita ingin memperlihatkan data yang benar-benar oke lah untuk dikonsumsi oleh kita ya salah satunya ada data sacitist mereka adalah seorang analis data mereka biasanya menganalisis dan menemukan informasi yang berharga biasanya juga data analis bertanggung jawab untuk membersihkan data untuk menganalisis dan e menjawab pertanyaan-pertanyaan terkait dengan apa sih yang akan eh diolah dan disampaikan dalam bentuk report atau dashboard kalau data analisis ini eh akan diuji betul-betul dari visualisasi datanya biasanya untuk mengkomunikasikan ya Apakah hasilnya bagus atau tidak biasanya ada seni-seninya juga Karena kan akan ditampilkan kepada klien nah data analis itu harus memiliki pemahaman yang baik tentang bisnis dan bagaimana data dapat digunakan untuk meningkatkan kinerja dalam bisnis tapi ketampil an dari data analisis Ini pertama harus memahami tentang SQL e ada Microsoft Excel kalau kita ngomong data visualisasi ada lookrom atau software-software yang lain seperti power Bi lah Eh lebih ke bisnis intelligen Nah kalau kita mau E menjadi seorang data Analis workflow-nya adalah memang pada umumnya data analis ini terlibat komunikasi data l dengan klien yang memerlukan hasil yang yang benar-benar oke yang diolah menggunakan metode machine learning kemudian memvisualisasikan sehingga dapat dipahami oleh klien dalam bentuk report atau dashbort jadi ujung-ujungnya memang ke report dan dashbort kalau saya melihat analogi ya dari ketiga pekerjaan ini data engineer ini lebih ke kayak tukang bangunan lah yang membangun rumahnya kemudian data analisis ini lebih ke penghuni rumah yang tinggal di dalamnya jadi bisa eh memperin bisa mengelola dan semuanya tapi kalau kita melihat data saentis itu lebih ke arsiteknya yang merancang rumah Kesimpulannya adalah data saciinence itu membantu kita untuk menemukan informasi yang berharga dari suatu data tapi kalau kita melihat data engineer data analis dan data saintis adalah ketiga peran ini yang paling utama dalam melakukan data sains masing-masing memiliki peran dan tanggung jawab yang berbeda ya tapi eh dalam ngomongin data saintis ini harus berkolaborasi ada juga satu orang yang tiga magen itu langsung tapi biasanya beda-beda orang Nah itu dia kita mengenal dan memahami terkait tentang data sacis data engineer dan data analis mudah-mudahan ini dapat dipahami oleh kalian semua nah Terima kasih yang sudah belajar bareng saya eh untuk lebih bermanfaat jangan lupa subscribe dan share video ini ya karena kalau memang banyak yang suka EE episode-episode berikutnya akan fokus ke machine learning dan artificial intelligence membahas tentang data analis eh data engineer dan e data sacitis Terima kasih untuk semuanya wasalamualaikum warahmatullahi taala wabarakatuh