Job Preparation Program
Mentorship Industry-readyProgram pembelajaran eksklusif dengan metode Mentorship, melalui kurikulum yang mendalam dan berkualitas.
Solusi terbaik bagi Anda yang ingin berkarir di industri Data
Mengapa Belajar di Job Preparation Program Pacmann
One-to-One Tutoring and Mentoring
Pembelajaran dengan model 2 sigma (one-to-one) dan dibimbing langsung oleh ahli dan praktisi di bidang data.
Kurikulum Mendalam dan Padu
Kurikulum dirancang berdasarkan pendekatan mastery learning yang menekankan penguasaan berbagai skill yang diperlukan.
Lingkungan Belajar yang Eksklusif
Hanya 10-15 siswa per kelas, memudahkan interaksi intensif, kolaborasi aktif, dan pembelajaran yang lebih personal.
Portofolio dengan Bimbingan Ahli
Bangun portofolio melalui pengerjaan proyek yang dibimbing dan divalidasi langsung oleh ahlinya.
Dukungan Akselerasi Skill dan Karier
GRATIS akses ke seluruh program Pacmann Pro hingga 18 bulan, serta dukungan konsultasi karier 1on1, interview dan tes teknikal, hingga dihubungkan ke hiring partner.
Kerja atau Uang Kembali 100%*
Dengan skills yang diperoleh di Pacmann, siswa dipastikan dapat kerja atau biaya dikembalikan seluruhnya.
*Syarat dan ketentuan berlaku
Apa itu Mentoring
terkait materi Python for Programming khusus materi Function.
- Metode belajar mentoring bertujuan agar Anda memiliki pemahaman hingga mastery level.
- Private group mentoring session akan diadakan setiap minggunya, setelah belajar teori dasar di pre-class dan praktik/hands on 3 jam di live session.
- Pada sesi mentoring Anda dapat:
- Bertanya terkait kendala Anda dalam belajar.
- Mentor Pacmann akan melakukan validasi pemahaman Anda terhadap materi/konsep yang sudah Anda pelajari.
- Memastikan bahwa Anda bisa mengaplikasikan apa yang sudah Anda pelajari untuk keperluan problem solving.
Program Belajar
Rasakan pengalaman belajar berkualitas melalui kurikulum program yang mendalam.
Untuk Anda yang ingin mempersiapkan karir sebagai Data Analyst atau Business Intelligence. Program ini di-design agar Anda mahir untuk melakukan pengolahan data, visualisasi, analisis data, hingga mampu memberikan rekomendasi bisnis yang valuable.
Mampu memahami Python programming language sebagai tools/pondasi untuk melakukan pengolahan data, visualisasi, machine learning modeling, sampai dengan analisis data.
Outline:
- Boolean
- Branching
- Composite Data Structure
- Looping
- Function
- Object Oriented Programming (OOP)
- Error, Debugging & Clean Code
- Git
Tools:
- Python
- Git
- Github
Prerequisite course dapat Anda lewati dengan mengambil technical test
Mampu melakukan pengolahan data, transformasi data, analisis data menggunakan Python. Anda juga akan belajar dasar visualisasi dan membuat dashboard dengan Tableau.
Outline:
- Make a Plot with Tableau
- Visualization for Amounts, Proportions, Distributions
- Visualization for Two or More Variables
- Exploratory Data Analysis (EDA)
- Pandas Data Structure
- Data Selection, Data Cleansing and Data Transformation with Pandas
Tools:
- Tableau
- Pandas
- Matplotlib & Seaborn
Belajar dasar syntax SQL, prinsip database design, composite database hingga menerapkan database design berdasarkan case study.
Outline:
- Database dan SQL
- Aggregation, GroupBy, Window Function
- Joining Data dan Temporary Table
- Function and Procedure
- Database Design
- Designing Tables, Relations, Constraint, Index & Partitions
- Composite Data
- Basic Database Management
Tools:
- Python
- PostgreSQL
- PgAdmin
- Faker
Mempelajari berbagai dasar dan konsep business model dan metrik bisnis untuk berbagai kasus bisnis/industri. Anda akan belajar untuk membangun 7 dashboard Tableau.
Outline:
- Introduction to Business Analytics
- Marketing & Customer Analytics
- People Analytics
- Financial Analytics
- Operation & Supply Chain Analytics
- Saas Business Model
- Ecommerce Business Model
- Credit Consumer Lending Company
- etc
Tools:
- Spreadsheets
- Tableau
Memahami proses end-to-end dari eksperimentasi online dan A/B testing secara mendalam. Skill ini banyak dibutuhkan oleh Data Analyst dan Product Analyst untuk bisa melakukan decision making berbasis data.
Outline:
- Experimentation workflow: from designing, executing, analysis until evaluation
- Metrics
- Basics of hypothesis testing for mean and proportion
- Experiment trustworthiness
- Power analysis
- Multivariate testing
- Bandit Experimentation
Tools:
- Python
Mempelajari teori dan praktik pemodelan statistik khususnya terkait Linear Regression dan Logistic Regression untuk keperluan analisis data hingga inferensi statistik.
Outline:
- Data and measurement
- Statistical Inferences
- Linear Regression
- Model evaluation
- Transformation and Regression
- Sample Size
- Logistic Regression
Tools:
- Python
Memahami konsep dasar kausalitas (sebab-akibat) dan cara menghitung estimasi efek kausal, serta menentukan research design yang tepat untuk inferensi kausal pada berbagai macam studi kasus/masalah.
Outline:
- Introduction to Causality
- Causal Diagram
- Front Door & Back Door Path
- Matching
- Fixed Effect
- Difference-in-Differences
- Instrumental Variable
- Regression Discontinuity
Tools:
- Python
Mempelajari intuisi, cara kerja, dan dasar matematika berbagai algoritma Machine Learning. Pada kelas ini, Anda tidak hanya belajar bagaimana menggunakan library scikit learn, Anda juga diharapkan mampu mereplikasi algoritma Machine Learning dari scratch dalam bentuk OOP program.
Outline:
- Component of Learning
- K-Nearest Neighbor
- Linear Model (Linear Regression, Logistic Regression, SVM)
- Decision Tree
- Ensemble Model (Bagging, Random Forest, dan Boosting)
- Clustering Model (K-means clustering, DBSCAN)
- Principal Component Analysis (Eigen decomposition, SVD)
Tools:
- Python
Mampu menurunkan masalah bisnis, melakukan formulasi metrik untuk mengukur kesuksesan suatu strategi marketing, dan mengimplementasikan metode analytics & machine learning yang advanced pada bidang customer & marketing.
Outline:
- Introduction to Marketing & Customer Analytics
- RFM Analytics
- Churn Analytics
- CLV based RFM
- Market Research Conjoint Analysis
- Experimental Design & A/B Testing
- Bandit Algorithm
- Modeling Customer Lifetime value with Bayesian Modeling
Tools:
- Python
Untuk Anda yang ingin mempersiapkan karir sebagai Data Scientist dengan business acumen yang baik. Selain mengerti mengenai intuisi algoritma Machine Learning secara mendalam dan model deployment sederhana, Anda diharapkan bisa menerapkan ML modeling dan metode analisis statistik advanced pada berbagai kasus bisnis yang variatif.
Mampu memahami Python programming language sebagai tools/pondasi untuk melakukan pengolahan data, visualisasi, machine learning modeling, sampai dengan analisis data.
Outline:
- Boolean
- Branching
- Composite Data Structure
- Looping
- Function
- Object Oriented Programming (OOP)
- Error, Debugging & Clean Code
- Git
Tools:
- Python
- Git
- Github
Prerequisite course dapat Anda lewati dengan mengambil technical test
Mampu melakukan pengolahan data, transformasi data, analisis data menggunakan Python. Anda juga akan belajar dasar visualisasi dan membuat dashboard dengan Tableau.
Outline:
- Make a Plot with Tableau
- Visualization for Amounts, Proportions, Distributions
- Visualization for Two or More Variables
- Exploratory Data Analysis (EDA)
- Pandas Data Structure
- Data Selection, Data Cleansing and Data Transformation with Pandas
Tools:
- Tableau
- Pandas
- Matplotlib & Seaborn
Belajar dasar syntax SQL, prinsip database design, composite database hingga menerapkan database design berdasarkan case study.
Outline:
- Database dan SQL
- Aggregation, GroupBy, Window Function
- Joining Data dan Temporary Table
- Function and Procedure
- Database Design
- Designing Tables, Relations, Constraint, Index & Partitions
- Composite Data
- Basic Database Management
Tools:
- Python
- PostgreSQL
- PgAdmin
- Faker
Mempelajari intuisi, cara kerja, dan dasar matematika berbagai algoritma Machine Learning. Pada kelas ini, Anda tidak hanya belajar bagaimana menggunakan library scikit learn, Anda juga diharapkan mampu mereplikasi algoritma Machine Learning dari scratch dalam bentuk OOP program.
Outline:
- Component of Learning
- K-Nearest Neighbor
- Linear Model (Linear Regression, Logistic Regression, SVM)
- Decision Tree
- Ensemble Model (Bagging, Random Forest, dan Boosting)
- Clustering Model (K-means clustering, DBSCAN)
- Principal Component Analysis (Eigen decomposition, SVD)
Tools:
- Python
Memahami dan menerapkan end-to-end workflow dari Machine Learning modeling: mulai dari data gathering, EDA, preprocessing data, feature engineering, modeling, evaluation, hingga deployment model menggunakan basic deployment stacks.
Outline:
- End-to-end process of machine learning modeling
- Basic Machine Learning deployment
- Project testing
- Containerization with Docker
- Deployment using AWS EC2
- CI/CD using Github Action
Tools:
- Python
- FastAPI
- Streamlit
- Git & Github
- Github Action
- Docker
- AWS (EC2)
- Terminal
Mampu menurunkan masalah bisnis, melakukan formulasi metrik untuk mengukur kesuksesan suatu strategi marketing, dan mengimplementasikan metode analytics & machine learning yang advanced pada bidang customer & marketing.
Outline:
- Introduction to Marketing & Customer Analytics
- RFM Analytics
- Churn Analytics
- CLV based RFM
- Market Research Conjoint Analysis
- Experimental Design & A/B Testing
- Bandit Algorithm
- Modeling Customer Lifetime value with Bayesian Modeling
Tools:
- Python
Mempelajari business model dan business process dari industri kredit. Anda juga akan belajar membangun model scorecard dan memberikan rekomendasi bisnis.
Outline:
- Introduction to Credit Industry, Credit Scoring, and Scorecard.
- Scorecard Development: Data Preparation and Exploration
- Introduction to Logistic Regression
- Analysis for Imbalanced Sample
- Scorecard Development: from Modeling, Model Evaluation and Deployment
Tools:
- Python
Mempelajari konsep dan analisis data untuk mendeteksi dan memitigasi adanya kejadian fraud menggunakan implementasi model analytics dan machine learning
Outline:
- Intro to of Anomalies and Anomaly Detection
- Multivariate Anomaly Detection
- Predictive Analytics for Fraud Detection
- Social Network Analysis for Fraud Detection
- Fraud Analytics: Post-Processing
Tools:
- Python
Mempelajari metode analisis data untuk mengoptimalkan performa dan manajemen SDM (People/HR) dalam memaksimalkan outcome bisnis dengan menggunakan implementasi metode analytics dan machine learning
Outline:
- Introduction to People Analytics
- HR Risk Analytics: Identification, Management and Mitigation
- Graph and Network in People Analytics
Tools:
- Python
Courses terkait Statistics yang bisa Anda akses jika ingin menguasai skill terkait Statistical Analysis dan Statistical Modeling. Topik ini tidak hanya relevan untuk role Statistician atau Researcher, namun juga cocok untuk Anda yang ingin bekerja sebagai Data Scientist dan Data Analyst.
Mampu memahami Python programming language sebagai tools/pondasi untuk melakukan pengolahan data, visualisasi, machine learning modeling, sampai dengan analisis data.
Outline:
- Boolean
- Branching
- Composite Data Structure
- Looping
- Function
- Object Oriented Programming (OOP)
- Error, Debugging & Clean Code
- Git
Tools:
- Python
- Git
- Github
Prerequisite course dapat Anda lewati dengan mengambil technical test
Mampu melakukan pengolahan data, transformasi data, analisis data menggunakan Python. Anda juga akan belajar dasar visualisasi dan membuat dashboard dengan Tableau.
Outline:
- Make a Plot with Tableau
- Visualization for Amounts, Proportions, Distributions
- Visualization for Two or More Variables
- Exploratory Data Analysis (EDA)
- Pandas Data Structure
- Data Selection, Data Cleansing and Data Transformation with Pandas
Tools:
- Tableau
- Pandas
- Matplotlib & Seaborn
Belajar dasar syntax SQL, prinsip database design, composite database hingga menerapkan database design berdasarkan case study.
Outline:
- Database dan SQL
- Aggregation, GroupBy, Window Function
- Joining Data dan Temporary Table
- Function and Procedure
- Database Design
- Designing Tables, Relations, Constraint, Index & Partitions
- Composite Data
- Basic Database Management
Tools:
- Python
- PostgreSQL
- PgAdmin
- Faker
Mempelajari intuisi, cara kerja, dan dasar matematika berbagai algoritma Machine Learning. Pada kelas ini, Anda tidak hanya belajar bagaimana menggunakan library scikit learn, Anda juga diharapkan mampu mereplikasi algoritma Machine Learning dari scratch dalam bentuk OOP program.
Outline:
- Component of Learning
- K-Nearest Neighbor
- Linear Model (Linear Regression, Logistic Regression, SVM)
- Decision Tree
- Ensemble Model (Bagging, Random Forest, dan Boosting)
- Clustering Model (K-means clustering, DBSCAN)
- Principal Component Analysis (Eigen decomposition, SVD)
Tools:
- Python
Memahami dan menerapkan end-to-end workflow dari Machine Learning modeling: mulai dari data gathering, EDA, preprocessing data, feature engineering, modeling, evaluation, hingga deployment model menggunakan basic deployment stacks.
Outline:
- End-to-end process of machine learning modeling
- Basic Machine Learning deployment
- Project testing
- Containerization with Docker
- Deployment using AWS EC2
- CI/CD using Github Action
Tools:
- Python
- FastAPI
- Streamlit
- Git & Github
- Github Action
- Docker
- AWS (EC2)
- Terminal
Memahami end-to-end workflow, intuisi algoritma, dasar matematika, dan evaluasi dari model Recommender System.
Outline:
- Recommender System (RecSys) Model Workflow
- Non Personalized Recommendation
- Content Based RecSys Model
- Recommender System Model Evaluation
- Collaborative Filtering Model
- Matrix Factorization for RecSys
- Context Aware RecSys Model
- Implicit Feedback RecSys Model
- Bayesian Personalized RecSys Model
Tools:
- Python
Mempelajari konsep matematika model Neural Network (NN) secara mendalam, membangun model NN dengan basis OOP (build from scratch). Anda juga diharapkan mampu melakukan perancangan, dan optimasi arsitektur model Neural Network.
Outline:
- Computational Graph & Automatic Differentiation
- Neural Network
- Multilayer Perceptron (MLP) for Regression, Binary Classification, and Multiclass Classification
- MLP Model Optimization Strategies
- Becoming Backprop Ninja
- Deep Learning Case Studies
Tools:
- Python
Mempelajari tahapan/proses pengembangan produk Machine Learning mulai dari menurunkan masalah bisnis sampai menjadi solusi produk ML
Outline:
- Introduction to Machine Learning Product
- Machine Learning Pipeline (review)
- Project Planning & Work Scoping
- Information Gathering & Solution Formulation
- Business Process Management
- Deriving business metrics
- Evaluating Machine Learning Product
- Implementing A/B testing for Business Decision Making
Tools:
- Python
Mempelajari konsep Natural Language Processing (pemrosesan data teks) mulai dari konteks linguistik hingga penerapan NLP dengan basis machine learning.
Outline:
- Vectorizing Words
- N - Gram
- Word2Vec
- Neural Network : MLP, RNN, dan Transformer
- NLP Application: Intent Classification, Natural Language Generation, etc.
Tools:
- Python
- Pytorch
Untuk Anda yang ingin mempersiapkan karir sebagai Full Stack Data Engineer atau untuk Anda yang sudah berkarir sebagai Data Analyst/Data Scientist namun ingin memperdalam skill terkait data engineering. Anda akan diajarkan skillset software engineering mulai dari programming, database, server management, dan web development sebagai dasar dari data generation. Selanjutnya, Anda akan diajarkan secara end-to-end data engineering lifecycle process: mulai dari ingestion, transformation, orchestration, hingga serving untuk sistem analytics dan sistem Machine Learning.
Mampu memahami Python programming language sebagai tools/pondasi untuk melakukan pengolahan data, visualisasi, machine learning modeling, serta Linux basic commands.
Outline:
- Boolean
- Branching
- Composite Data Structure
- Looping
- Function
- Object Oriented Programming (OOP)
- Error, Debugging & Clean Code
- Git
Stacks:
- Python
- Git
- Github
- Linux
Prerequisite course dapat Anda lewati dengan mengambil technical test
Belajar dasar syntax SQL, prinsip database design, composite database hingga menerapkan database design berdasarkan case study.
Outline:
- Database dan SQL
- Aggregation, GroupBy, Window Function
- Joining Data dan Temporary Table
- Function and Procedure
- Database Design
- Designing Tables, Relations, Constraint, Index & Partitions
- Composite Data
- Basic Database Management
Stacks:
- Python
- PostgreSQL
- PgAdmin
- Faker
Mempelajari dan membuat frontend dengan HTML, CSS dan Javascript, mempelajari konsep API untuk membuat sebuah Backend API dengan flask framework (Rest API Flask) untuk membuat website dinamis sederhana.
Outline:
- HTML
- CSS
- Bootstrap
- Intro to Javascript
- Dynamic Website
- Website Interactivity
- REST API using Flask
- OOP + Blueprint
- Database + Object Relational Mapping
- Migration
- Authentication + Json Web Token
- Server & Client Side Rendering
Stacks:
- HTML
- CSS
- Javascript
- Visual Studio Code + Extensions
- Flask
- Postman
Mempelajari dan menerapkan konsep Admin Panel pada backend, Menambahkan fitur Upload File pada Backend, Mempelajari dan menggunakan Object Storage, serta menambahkan fitur Task Scheduling pada backend, Mempelajari cara mendeploy flask pada server, dan belajar membuat frontend production ready dengan vue.js
Outline:
- Admin Panel
- File Upload & Object Storage
- Task Scheduling & Gunicorn
- Vue Components & Vue Styling
- Advanced Topics and Deployment
- Frontend & Backend Integration
Stacks:
- Vue.js
- Flask-admin
- Flask-Login
- Minio
- Scheduling
Mempelajari workflow management untuk keperluan kolaborasi code, penerapan CI/CD untuk otomatisasi, otomatisasi proses testing aplikasi website dengan menggunakan selenium, monitoring & error tracking, dan melakukan load testing.
Outline:
- Introduction to DevOps
- Git Workflow
- CI/CD
- Selenium
- Reverse Proxy and Certbot (Nginx)
- Load Balancing (Nginx)
- Error tracking (Sentry) & Monitoring
- Load Testing (Locust)
Stacks:
- GitHub
- GitHub Actions
- Selenium
- Nginx
- Certbot
- Sentry
- Locust
- Application Monitoring
Mempelajari metode manipulasi data, membangun pipeline data menggunakan Python & Pandas, serta melakukan data scraping.
Outline:
- Transform business problem into Data Pipeline
- Deriving business problem into various ETL tasks
- Data Warehouse concept
- Extract and combine data from various data sources such as scraping API, DB, file, etc
Stacks:
- Python
- Pandas
- Web Scraping
Mempelajari teknik perancangan sistem penyimpanan data untuk kebutuhan analytical (OLAP) seperti data warehouse, data mart, beserta berbagai teknologi yang digunakan di dalamnya. Anda diharapkan dapat Dapat mengubah Transactional database (OLTP) menjadi Online analytical processing (OLAP) melalui data warehouse dan data mart
Outline:
- Basic Data Warehouse
- Building Data Warehouse with Fact & Dimension Tables and Slowly Changing Dimension
- Building Data Mart for end user
- SQL-based for Centralized Data Transformation
- Big Data technology using Hadoop & Hive for
Stacks:
- Apache Hadoop
- Apache Hive
- PostgreSQL
- DBT
Mempelajari proses pengambilan dan pemrosesan data menggunakan Apache Spark.
Outline:
- Intro to Apache Spark
- Data Pipeline using PySpark
- Simple Machine Learning using MLLib for batch training
Stacks:
- Python
- Apache Spark
- PySpark
Mempelajari konsep dan menerapkan praktik cara pembuatan Automated Data Pipeline dengan menggunakan Apache Airflow.
Outline:
- Intro to Airflow
- Automatic Data Orchestration (e.g. scheduling, automatic data wrangling, automatic cleaning, manual triggering, etc)
- DAG Concept and it’s end-to-end implementation
- Airflow Infrastructure Administration
Stacks:
- Python
- Apache Airflow
Metode dan Lingkungan Belajar Eksklusif
Learning Phases
Metode Belajar
Pre-Class
Belajar persiapan teori dasar secara self-paced
Live Session
Melakukan praktik/hands on pada Zoom Live Session.
Mentoring Session
Validasi pemahaman melalui intensive exercise dan private group mentoring
Untuk memastikan Anda belajar dengan in-depth, setiap course Pacmann berdurasi 8 minggu belajar, dimana di setiap minggunya, Anda akan belajar dengan metode Pre-Class Video, Live Zoom Session dan Mentoring
Sebelum Anda masuk ke sesi Zoom Live Session, Anda perlu belajar teori dasar secara asyncronous (self-paced) selama 1-1.5 jam melalui pre-class video.
Pre-Class Video akan mencakup teori dasar terkait syntax code, teori dasar matematis, atau bahkan business problem/context yang berkaitan dengan materi yang ingin dipelajari.
Anda tidak akan terburu-buru langsung masuk ke hands-on session tanpa memiliki konteks teori dasar yang baik.
Kami merekomendasikan Anda untuk mempelajari pre-class session di weekend (prior week) sebelum jadwal live session terdekat.
Setelah mempelajari teori dasar pada Pre-Class video, Anda akan belajar praktik pada Live Zoom Session selama 3 jam.
Sesi Live Zoom Session memiliki fokus agar Anda bisa melakukan praktik/hands-on code, brainstorming session dengan 6-10 studi kasus praktik yang beragam.
Live session tiap course akan dijadwalkan di salah satu hari antara Senin, Selasa atau hari Rabu.
Setelah belajar teori dasar dan praktik/hands-on, Anda akan divalidasi pemahamannya melalui Mentoring Session
Mentoring session bertujuan agar Anda mampu memiliki pemahaman hingga mastery level. Artinya Anda diharapkan bisa mengaplikasikan teori dan hands-on yang sudah Anda pelajari untuk keperluan problem solving. Metode Mentoring:
- Exercise Drilling
- Private Group Mentoring: Anda bisa melakukan konsultasi terkait kendala belajar Anda, dan Mentor Pacmann akan melakukan validasi pemahaman Anda.
- Personalized Feedback
Mentoring session akan dijadwalkan di salah satu hari antara Rabu, Kamis, atau Jumat.
Setelah mendapat feedback dari Mentor pada mentoring session, Anda wajib untuk mengumpulkan exercise Anda.
Exercise akan dinilai dan Anda akan mendapatkan feedback. Exercise dari mentoring akan dijadikan syarat kelulusan dari tiap course.
Deadline weekly submission dijadwalkan setiap Sabtu malam.
Mentor Job Preparation Program
-
Adityo Sanjaya
8+ tahun pengalaman sebagai Data Scientist
(CEO Pacmann dan Valiance)
-
Riyad Rivandi
8+ tahun pengalaman di bidang Data Engineering dan ML Engineering
(CTO Pacmann dan Valiance)
-
Cahya Amalinadhi
5+ tahun pengalaman di bidang Data Science
(Senior Data Scientist di Valiance)
-
Alfan Alfian
5+ tahun pengalaman di bidang Data Analytics
(Senior Data Analyst at Leading E-commerce Company in Indonesia)
-
Cipto Bagus J.K.,
5+ tahun pengalaman di bidang Data Science, IoT, dan analytics
(Data Scientist di Valiance)
Fasilitas Belajar Lainnya
Akses PacPro AddOns
Dapatkan akses 1 tahun Free PacPro (50+ in depth courses) setelah lulus dari program belajar JPP
Project Guideline
Bangun personalized portfolio dengan berbagai topik untuk keperluan personal branding
Hackathon
Tantang pemahaman dan kemampuan problem solving dengan berkompetisi dengan sesama Pacmann student
One stop Learning Platform (Pacmann LMS)
Akses materi belajar, assessment hingga melakukan coding di jupyter notebook pada LMS Pacmann
Student Group & Community
Bergabung dengan komunitas siswa Pacmann.
Whatsapp Helpdesk
One-stop-solution admin untuk kendala belajar apapun.
Student Consultation
Konsultasi personal untuk mengatur strategi belajar Anda
Cuti*
Dapat mengambil cuti di tengah program belajar
Career Development Support
Persiapkan karir Anda melalui career facilities Pacmann: mulai dari career consultation, career coaching, hiring preparation dan masih banyak lagi.
Career Facilities ini tersedia selamanya bahkan setelah Anda sudah menjadi alumni.
CV dan LinkedIn Review
Bantuan review dan perbaikan CV/LinkedIn untuk personal branding
Career Consultation
Konsultasi untuk keperluan persiapan pencarian kerja dan strategi persiapan hiring process
Interview Preparation
Konsultasi personal untuk mempersiapkan interview test jika Anda sudah masuk rangkaian seleksi pekerjaan.
Mock-Up Technical Test
Akses bank soal technical test untuk menguji problem solving skill dan kesiapan Anda terhadap proses pencarian kerja
Hiring Partner
Kesempatan di-hire oleh perusahaan hiring partner terafiliasi dengan Pacmann
Career Preparation Webinar
Webinar eksklusif rutin per bulan terkait karir dengan mendatangkan industry expert
Curated Job Board
Kurasi lowongan kerja untuk Anda yang ingin mencari kerja, selalu terupdate di tiap minggunya
Career Guarantee Program*
Fasilitas untuk siswa yang cukup eligible dari segi pencapaian belajar. Dapatkan garansi pengembalian dana 100% jika belum mendapat kerja dalam 1 tahun.
*) CGP merupakan fasilitas opsional dan terdapat additional fee
*) terdapat proses penyaringan dan target belajar mingguan yang harus dipenuhi
Success Story
Cerita siswa Pacmann yang berhasil melakukan career switching atau career upgrading
-
Stefanus Yudi
Data Scientist at Media Company
previous role: Wireline Specialist at Oil Field Service Company
Kurikulum di Pacmann detail dan mendalam, sehingga bisa membantu beginner untuk membangun fondasi terkait data dengan baik. Bahkan, course Python yang diajarkan di pacmann scopenya melebihi materi 1 semester di kampus saya dulu. Courses Machine Learning-nya pun sangat membantu saya ketika sudah berkarir menjadi Data Scientist.
Tanpa Pacmann, saya tidak akan bisa switching career secepat ini. Career facilities yang disediakan seperti career coaching webinar, curated job board, dll membantu saya untuk mempersiapkan karir.
-
David Anthony
Machine Learning Engineer at Carro
previous role: Credit Risk Modeller at OCBC NISP
Awal saya bekerja sebagai Credit Risk Modeller, pondasi pemahaman terkait Data yang saya miliki belum solid.
Saya kemudian belajar di Pacmann, kurikulumnya dalam dan terstruktur dari mulai fundamental sampai level advanced. Materi Pacmann tidak hanya berguna ketika saya switch career menjadi Data Scientist, tapi sampai “lifetime”, ketika saya sudah menjadi Data Science Manager, apa yang saya dapat di Pacmann saya ajarkan juga ke tim saya.
Tanpa Pacmann mungkin saya tidak akan bisa skill upgrading yang impact-nya juga ke career acceleration di bidang Data.
-
Ryhannul Jannah
Business Intelligence/Analyst at Mie Gacoan
previous role: Ibu Rumah Tangga dan wirausahawan
Pacmann tentunya membantu mengubah mindset saya dalam menangani data, ternyata handling data yang besar tidak se-overwhelming itu kalau sudah tahu prinsip-prinsip dasarnya.
Pacmann juga sangat membantu untuk persiapan menghadapi proses interview di Mie Gacoan. Padahal saya belum pernah sama sekali menjalani proses rekrutmen. Dari career coaching saya jadi dapat gambaran terkait proses rekrutmen seperti apa, CV review dan career consultationnya membuat saya lebih pede untuk apply pekerjaan sampai dibantu untuk persiapan interviewnya juga.
-
Kevin Reinhard
Data Intelligence at Astra International Tbk
previous role: Sales Analyst at Kino
Kurikulum Pacmann bagus: sangat terstruktur dan dalam sehingga beginner friendly. Materi fundamental codingnya sangat membantu saya di pekerjaan sekarang. Tugas dan project yang di-design oleh tim Pacmann menantang dan membantu meningkatkan pemahaman saya selama belajar.
Career Facilities juga membantu saya untuk mendapat kesempatan mengikuti seleksi hiring partner Pacmann
-
Kristalina Kartika
Data Analyst at Bank Central Asia
previous role: Business Relationship Officer at Bank Central Asia
Pacmann memberikan "senjata" terutama dengan bukti portfolio yang dibuat setiap 2 bulan. Portofolio yang saya buat akhirnya berhasil meyakinkan manajemen saat interview bahwa penempatan di posisi Data Analyst lebih baik, cocok, dan lebih menguntungkan pula bagi perusahaan.
Fasilitas recording memungkinkan saya untuk mengulang-ulang kelas sampai paham. Sangat convenient untuk pekerja yang sibuk tapi ingin serius belajar.
-
Alvin Noza
Data Scientist at NTX Solusi Teknologi
previous role: Fit Out Coordinator at ASRI
Sebelumnya saya sudah ambil beberapa produk “bootcamp” dan tidak ada yang se-memuaskan Pacmann. Materinya sangat solid dan dalam.
Tanpa Pacmann mungkin saya tidak akan bisa switch career ke role Data. Saya dapat konsultasi tidak hanya saat proses mencari pekerjaan saja, namun setelah jadi DS pun saya masih suka diskusi dengan mentor di Pacmann dan hasil diskusinya saya terapkan di tempat kerja.
-
Cahyo Budi
Business Intelligence Engineer at IMP Studio
previous role: IT Support di GEA RSA
Course fundamentalnya sangat membantu dalam mencari pekerjaan seperti course SQL, data wrangling & data cleansing, dan Data Visualization.
Design guided project dari Pacmann membantu saya untuk membangun portofolio untuk keperluan personal branding.
-
Akbar Nugroho
Data Analyst at Maxxi Tani
previous role: Construction Engineer at PT Amarta Karya
Karena materi di Pacmann mendalam maka tentu saja effort belajar di Pacmann harus tinggi. Ada beberapa coursenya yang advanced (contohnya Customer & Marketing Analytics), yang membantu saya untuk switch career. Course ini tidak hanya dari mengajarkan soal technical tapi juga dari segi business acumen.
Career facilities dari Pacmann juga cukup membantu saya untuk melakukan persiapan karir. Tanpa Pacmann dan materinya yang mendalam, mungkin akan sulit untuk saya switch career.
-
Bima Priambodo
Risk Analytics and Modelling Senior Associate at Hijra
previous role: Data Scientist at airforesee
Saya pertama kali bekerja sebagai DS secara “tidak sengaja”, dan background kuliah saya tidak aligned, maka saya cari tambahan belajar dan menemukan Pacmann. Sebetulnya materi belajar di internet itu banyak, namun “scattered”. Kurikulum Pacmann yang matang, terstruktur dan jelas, membantu saya untuk belajar dan bisa career & skill upgrading di bidang data.
Fitur student consultation sangat membantu saya yang sibuk bekerja supaya bisa tetap termotivasi dan keep up dengan pace belajar Pacmann.
-
Galih Mahardika
Data Analyst at ASYX
previous role: Merchandiser at Garment Company
Pacmann membantu saya dalam hal kurikulum yang terstruktur, pengajar yang berkualitas, hingga saya bekerja sebagai Data Analyst di perusahaan hiring partner Pacmann (ASYX). Tanpa materi Pacmann yang mendalam, mungkin saya tidak bisa switch career.
Dari fasilitas karir dan career counseling, saya bisa tau CV yang bagus itu seperti apa dan juga ketika sedang demotivasi belajar, Pacmann memberikan konsultasi sehingga saya tetap on-track dari sisi progress belajar.
-
Teuku Akhdansyah
Junior DS at Fishlog
previous role: Fresh Graduate in Statistics
Sebelumnya saya fresh graduate dari jurusan Statistik, dan saya tidak punya practical experience sama sekali. Di Pacmann, saya belajar terkait fundamental data analytics dan memperdalam pemahaman statistik saya.
Saya mendapat kesempatan di-hire oleh Hiring Partner Pacmann dan menjadi Sales Analyst di Fishlog. Dari situ saya bertahap career upgrading menjadi Business Analyst dan kemudian Junior DS. Overall courses yang sangat membantu saya di pekerjaan sekarang: Visualization dan SQL courses.
Career webinar Pacmann juga bagus-bagus! Saya jadi punya gambaran melakukan persiapan karir di Data. Kalau tidak ada Pacmann, bisa jadi saya masih menganggur.
-
Ery Irmansyah
Data Analyst at ASYX
previous role: Procurement Analyst Supervisor at PT Arwana Citra Mulia
Metode belajar dan tugas project di Pacmann membuat jadi terbiasa dengan sistem kerja sprint: lebih terpacu dan ditarget ketika saya sudah berkarir di bidang data.
Fitur-fitur karir, utamanya hiring partner sangat membantu saya untuk switching. Saya di-support dari persiapan interview sampai latihan technical test.
Materi Pacmann semuanya berkesan, walaupun mungkin sejauh ini belum teraplikasikan semua, tapi sudah lebih dari cukup untuk bekal untuk menjadi life-long learner. Course SQL dan Visualization sangat terpakai ketika saya sudah menjadi Data Analyst.
Biaya Pendidikan
Job Preparation Program
Rp27.750.000*
Rp14.000.000*
* Tidak termasuk pajak 11% dan ekstra potongan voucher
Metode Pembayaran
Tunai
Pembayaran lebih mudah dan sejak awal Anda bisa lebih fokus untuk belajar tanpa harus memikirkan cicilan setiap bulan.
Cicilan
Pembayaran yang lebih ringan dengan tenor hingga 12 bulan untuk akselerasi karier tanpa harus membayar penuh secara tunai sejak awal.
Proses Pendaftaran
Klik tombol Daftar Sekarang
Konsultasi dan isi formulir pendaftaran
Melakukan Pembayaran
Mengerjakan Admission test
Mengikuti prerequisite class (optional)
Mulai Belajar di Pacmann!
1000+ orang dengan beragam latar belakang telah menjadi siswa kami.
Cari tahu pengalaman mereka.
Andina Septia Widya
BI/DA Batch 5
“Bagi peserta yang bekerja sekaligus jadi ibu rumah tangga, Pacmann menawarkan kelas-kelas yang cukup fleksibel...”
Background: Non-STEM
Pekerjaan: Digital Marketing Specialist, Zen Sung Indonesia
Andi Faridz Fakhriza
Cont. Batch 6
“Saya sangat menikmati proses belajar di Program Non-Degree Pacmann ini: serasa kuliah lagi, pengajarnya sangat baik, materinya menarik, dan tugasnya menantang.“
Background: STEM
Pekerjaan: Head of IT, PT. MRT Jakarta
Sarah Juwita
BI/DA Batch 8
“Saya berasal dari background non-STEM dan sebelumnya tidak pernah belajar programming. I am progressing and in a right environment where I can grow and develop myself.”
Background: Non-STEM
Pekerjaan: Marketing Manager di PT Puyo Indonesia Kreasi
Khalid Rizki Ananta
DS Batch 7
“Walaupun saya mahasiswa Teknologi Informasi, baru berjalan dua bulan saja saya sudah belajar banyak hal baru.”
Background: STEM
Pekerjaan: Mahasiswa IT, UGM
Siap Bekerja Bersama Hiring Partner Kami
Pacmann akan membantu Anda mendapatkan pekerjaan melalui Job Preparation Program.
...dan masih banyak lagi!
Frequently Asked Questions
Apa saja yang membedakan Program Pacmann dengan course lain?
Untuk siapa Job Preparation Program ini disarankan?
Saya tidak memiliki background math/statistika sebelumnya, apakah saya masih bisa mengikuti program ini?
Apakah akses materi untuk course ini selamanya?
Apakah ada peserta yang berasal dari Non-STEM?
Apakah dijamin untuk disalurkan kerja setelah lulus?
Melalui Career Guarantee Program (dengan commitment fee sebesar 2 juta rupiah sesuai ketentuan yang berlaku), Anda bisa mendapatkan pekerjaan maksimal 1 tahun setelah lulus, jika tidak Anda mendapatkan pengembalian dana pendidikan 100%.
Berapa gaji yang akan saya dapatkan jika saya bekerja sebagai praktisi data?
Untuk membaca referensi, klik [di sini]
Bagaimana jika saya pemula di bidang data/engineering dan saya tidak memiliki background di bidang STEM/IT?
Salah satu cerita siswa dari jurusan sejarah jadi data analyst di sini.
Siswa Non-STEM dan masih pemula:
- Diajarkan dari materi dasar, bahkan mulai dari tingkat konsep hingga praktik
- Belajarnya lebih slow paced sehingga mudah diikuti dan tidak terburu-buru. Selain itu metode belajarnya ini merupakan cara belajar yang efektif, baca referensinya di sini
- Disediakan Pre-Class Material sehingga sebelum Live Class berlangsung ada bahan yang bisa dipelajari terlebih dahulu
- Diajarkan secara langsung oleh pengajar, tidak belajar sendiri
- Mendapatkan mentoring intensif 2-arah
- Diberikan evaluasi dan banyak studi kasus
- Disediakan help desk jika butuh bantuan teknis