Siapa bilang kalau ingin belajar data science harus jago matematika?
At some degrees memang benar sih. Tapi tenang! Tidak jago matematika bukan berarti tidak bisa mulai belajar data science.
Here’s the statement: ‘Tidak perlu jago matematika untuk mulai belajar data science. Hal yang penting adalah menguasai essential math needed’.
Pada dasarnya, matematika akan berguna bagi seorang data scientist untuk melakukan beberapa hal. Contohnya seperti di bawah ini:
Mengurangi Dimensi Data
Seorang data scientist tidak jarang bertemu dengan data yang memiliki banyak dimensi, dan untuk memprosesnya lebih lanjut, data scientist harus mengurangi dimensi data tersebut.
Cara yang dapat digunakan untuk mengurangi dimensi tersebut adalah dengan melakukan Principal Component Analysis (PCA), dan PCA ini dilatarbelakangi oleh matematika, tepatnya linear algebra.
Membuat Model Prediksi
Salah satu tugas utama dari seorang data scientist adalah membuat model prediksi.
Ketika membuat prediksi, tentunya data scientist ingin hasil tersebut mendekati realitanya. Maka dari itu, data scientist perlu menekan error dari model (perbedaan antara prediksi dengan realita).
Dengan menggunakan algoritma gradient descent, data scientist dapat meminimalisir nilai error sekecil mungkin dengan model prediksi yang tepat.
Untuk memahami bagaimana algoritma gradient descent bekerja, data scientist harus memahami konsep aljabar seperti fungsi, diferensial, dan integral.
Peluang Adalah Teman Sehari-hari Data Scientist
Sudah wajib hukumnya bagi data scientist untuk memahami peluang, sebab peluang adalah konsep dasar yang akan digunakan sehari-hari.
Dengan memahami peluang dan Teorema Bayes, data scientist bisa tahu apakah sebuah kejadian lebih mungkin terjadi atau tidak.
Tidak hanya itu saja, peluang bersyarat juga tidak lepas dari keseharian data scientist, begitu juga dengan pemahaman akan distribusi data.
Matematika akan memudahkan data scientist untuk memahami data yang akan digunakan.
Data Scientist Tidak Dapat Dipisahkan dari Model
Dalam menjalankan tugasnya, membuat model menjadi salah satu to-do-list terpenting data scientist.
Dengan pemahaman konsep matematika yang baik, besar kemungkinan seorang data scientist akan lebih mudah untuk memahami masalah dan memilih model mana yang tepat untuk menyelesaikannya.
Setelah mengetahui kegunaan matematika dalam data science, lalu seberapa banyak ‘essential math needed’ yang perlu dikuasai?
Untuk mengetahui jawabannya, cobalah untuk jawab 2 pertanyaan ini terlebih dahulu:
1. Apa Tujuanmu Belajar Data Science?
Pada dasarnya, data science dapat dibagi menjadi dua tujuan:
- Akademis
- Bisnis
Data science dengan tujuan akademis, tentunya memiliki goals untuk mengembangkan ilmu data science, membuat bidang data science semakin maju.
Di sisi lain, data science untuk bisnis memiliki goals untuk memenuhi tujuan bisnis dan meningkatkan revenue.
Cara mencapai kedua tujuan ini tentunya berbeda, begitu juga dengan tools yang dibutuhkan.
Dengan kata lain, matematika yang dibutuhkan untuk menjadi seorang data scientist akademisi akan sedikit berbeda dengan yang diperlukan data scientist praktisi.
Data scientist praktisi mungkin tidak membutuhkan kemampuan matematika lebih mendalam untuk membuat analisa bisnis, tapi data scientist akademisi akan butuh pemahaman matematika yang lebih advance untuk membuat penelitian.
2. Are You a Junior Data Scientist or Senior Data Scientist?
Jabatan di tempat kerja akan menentukan seberapa banyak matematika yang akan dibutuhkan untuk menyelesaikan pekerjaan.
Jika masih berada di posisi entry level dan menjadi junior data scientist, besar kemungkinan matematika yang advance tidak akan banyak dibutuhkan.
Sebab pada level entry, hal-hal dasar di data science memang tidak melibatkan matematika yang rumit, seperti misalnya data manipulation, data visualization, dll.
Namun, perlu diingat bahwa hal ini hanya berlaku bagi junior data scientist.
Yang menjadi pertanyaan adalah, sampai kapan ingin menjadi junior data scientist?
Matematika Penting untuk Data Scientist
Lalu apa hal yang dapat disimpulkan dari informasi di atas? Intinya adalah, untuk mulai belajar data science, tidak perlu takut dengan matematika.
Matematika akan memudahkan perjalanan belajar data science dan membantu menyelesaikan masalah dengan lebih mudah.
Selain itu, yang paling penting adalah menguasai matematika dasar yang dibutuhkan untuk menjadi seorang data scientist.
Jika mengutip dari Joma, bila yang kita lakukan 99% tidak berkaitan dengan matematika, ada 1% kemungkinan kita akan menggunakan matematika, dan 1% itu yang akan membedakan kita dari data scientist lain.
Selanjutnya, matematika apa saja yang harus dipelajari? Dari mana sumber belajar matematika yang baik jika ingin berkarir sebagai data scientist?
Sekolah Data Pacmann solusinya!
Di program-program di bawah Sekolah Data Pacmann, peserta kelas akan diajarkan dari dasar mengenai matematika dan statistik yang dibutuhkan untuk menjadi seorang data scientist.
Silakan kunjungi halaman Sekolah Data Science untuk informasi lebih lanjut.
Further Reading:
Artikel Popular
Big Data dan Data Mining: Perbedaan dan Hubungannya
June 5, 2023
Mengenal Lebih Jauh tentang Neural Network
June 2, 2023
10 Rekomendasi Blog Data Science Terbaik untuk Diikuti
June 1, 2023
Rekomendasi Course Data Engineering Bersertifikat
May 31, 2023
Bagaimana Machine Learning (ML) Dapat Bantu Mencegah Serangan Phishing
May 30, 2023