Data Analyst, Data Engineer, Data Scientist

Project Manager, Software Engineer, Network Engineer

Web Developer, Mobile Developer, System Analyst

Graphic Designer, UX Designer, Product Manager

Data Science fokus pada analisis data, sedangkan Data Mining fokus pada pengumpulan data.

Data Science mencakup seluruh siklus hidup data, sedangkan Data Mining fokus pada menemukan pola dalam data.

Data Science hanya menggunakan teknik statistik, sedangkan Data Mining hanya menggunakan machine learning.

Data Science hanya digunakan di perusahaan teknologi, sedangkan Data Mining digunakan di semua industri.

Pengumpulan Data, Pengolahan Data, Analisis Data, Visualisasi Data

Desain, Implementasi, Pengujian, Pemeliharaan

Perencanaan, Pengembangan, Penerapan, Evaluasi

Inisiasi, Perencanaan, Eksekusi, Penyelesaian

Nilai tengah dari data yang terurut

Nilai yang paling sering muncul dalam data

Jumlah total semua nilai dibagi dengan jumlah data

Selisih antara nilai tertinggi dan terendah

Nilai tengah dari data yang terurut

Pengukuran penyebaran data dari rata-rata

Nilai yang paling sering muncul dalam data

Jumlah total semua nilai dibagi dengan jumlah data

Distribusi di mana data tersebar merata ke semua nilai

Distribusi di mana data terkumpul pada satu nilai

Distribusi berbentuk lonceng yang simetris terhadap rata-rata

Distribusi di mana data tersebar hanya pada nilai ekstrem

Metode untuk mengelompokkan data ke dalam beberapa kelompok

Metode untuk mengidentifikasi hubungan antara variabel independen dan variabel dependen

Metode untuk mengurangi dimensi data

Metode untuk menemukan pola tersembunyi dalam data

JavaScript

Python

HTML

PHP

Library untuk membuat game

Library untuk analisis dan manipulasi data

Library untuk pengembangan web

Library untuk pengolahan citra

List digunakan untuk menyimpan nilai-nilai tunggal, sedangkan dictionary untuk pasangan key-value

List digunakan untuk menyimpan pasangan key-value, sedangkan dictionary digunakan untuk menyimpan nilai tunggal

List digunakan untuk menyimpan nilai-nilai yang berurutan, sedangkan dictionary untuk pasangan key-value

List digunakan untuk menyimpan nilai-nilai string, sedangkan dictionary untuk nilai-nilai numerik

Proses mengumpulkan data

Proses menghapus data yang tidak relevan

Proses mengorganisir data dalam database

Proses membersihkan dan mempersiapkan data untuk analisis

Normalisasi dan pengelompokan

Imputasi dan penghapusan duplikasi

Visualisasi dan prediksi

Pengindeksan dan penyortiran

Data yang tidak relevan

Data yang hilang atau tidak tersedia dalam dataset

Data yang duplikat

Data yang sudah dianalisis

Metode machine learning yang digunakan untuk mengelompokkan data

Metode machine learning yang dilatih dengan data berlabel

Metode machine learning yang tidak menggunakan data berlabel

Metode machine learning yang digunakan untuk mereduksi dimensi data

Ketika model terlalu sederhana dan tidak dapat menangkap pola dalam data

Ketika model terlalu kompleks dan menangkap noise serta pola dari data latih

Ketika model tidak dapat dikonvergensi selama pelatihan

Ketika model dilatih dengan data yang tidak berlabel

Teknik untuk mengumpulkan data tambahan

Teknik untuk membagi data menjadi subset untuk pelatihan dan pengujian

Teknik untuk mengurangi dimensi data

Teknik untuk menemukan outlier dalam data

Untuk menghapus data yang tidak relevan

Untuk membuat data lebih mudah dipahami dan dianalisis

Untuk mengelompokkan data

Untuk mengumpulkan data tambahan

Pandas dan Numpy

Matplotlib dan Seaborn

Scikit-learn dan TensorFlow

OpenCV dan Pillow

Grafik untuk menampilkan distribusi data numerik

Grafik untuk menampilkan hubungan antar variabel dalam bentuk matriks

Grafik untuk menampilkan urutan data dalam waktu

Grafik untuk menampilkan nilai tertinggi dan terendah dalam dataset