Jalur Belajar Data Analyst
Silabus
7 bulan
Setiap kursus berlangsung selama dua atau tiga minggu, dan
berdurasi sekitar 40 jam belajar.
Sesi Onboarding
1-2 jam
0 Apa yang Anda harapkan sebagai siswa TripleTen. Bagaimana sprint
terstruktur, siapa tim bimbingan kami, bagaimana cara
menggunakan Slack, di mana mencari informasi dan lain-lainnya.
1 Python Dasar
Kursus
Perkenalan Anda dengan dunia ilmu data! Konsep kunci dan sintaks Perkenalan
dasar dalam Python. Loop, kondisi, dan fungsi. Library Pandas untuk
3 minggu
analisis data. Studi kasus analitis pertama Anda, diikuti dengan
40 jam
proyek pertama Anda.
•
Bab 1. Variabel, Print, Tipe Data, dan Operasi Aritmetika
•
Bab 2. String
•
Bab 3. List (daftar)
•
Bab 4. Loop for
•
Bab 5. List Bersarang
•
Bab 6. Kondisi dan Loop
•
Bab 7. Membuat Fungsi
•
Bab 8. Dictionary
•
Bab 9. Library Pandas untuk Analisis Data
•
Bab 10. Pra-pemrosesan Data
•
Bab 11. Menganalisis Data dan Mempresentasikan Hasil
• Bab 12. Ikhtisar Singkat Jupyter Notebook
2 Pra-pemrosesan Data
+1 proyek untuk
Mengompensasi data yang kurang sempurna. Menangani nilai portofolio Anda
yang hilang dan nilai duplikat. Mengubah tipe data. Pemikiran 3 minggu, 40 jam
sistem untuk analis.
•
Bab 1. Pengantar Pra-pemrosesan Data
•
Bab 2. Menangani Nilai yang Hilang dan Nilai Duplikat
•
Bab 3. Mengubah Tipe Data
•
Bab 4. Mengategorikan Data
• Bab 5. Berpikir Sistematis dan Berpikir Kritis untuk Analis
3 Analisis Data Eksploratif (EDA)
Melakukan pemindaian awal untuk mendeteksi pola dalam +1 proyek untuk
data. Membuat grafik dasar dan menghasilkan hipotesis portofolio Anda
pertama Anda.
3 minggu, 40 jam
•
Bab 1. Grafik Pertama dan Kesimpulan
•
Bab 2. Mempelajari Irisan Data
•
Bab 3. Bekerja dengan Beberapa Sumber Data
•
Bab 4. Hubungan antar Dataset
• Bab 5. Memvalidasi Hasil
4 Analisis Data Statistik
Teori probabilitas, distribusi yang paling umum, dan metode +1 proyek untuk
statistik dalam Python. Sampling dan signifikansi statistik. portofolio Anda
Mengidentifikasi dan menangani anomali.
3 minggu, 40 jam
•
Bab 1. Statistika Deskriptif
•
Bab 2. Teori Probabilitas
• Bab 3. Menguji Hipotesis
5 Proyek Terintegrasi 1
Mengidentifikasi pola untuk membantu Anda menentukan +1 proyek untuk
apakah permainan video tertentu akan sukses secara portofolio Anda
komersial atau tidak. 1 minggu, 20 jam
Istirahat -
1 minggu
6 Pengumpulan dan Penyimpanan Data (SQL)
+1 proyek untuk
portofolio Anda
Memahami struktur basis data dan bagaimana cara menarik
2 minggu, 40 jam
data dari basis data menggunakan kueri SQL. Menemukan
data secara daring.
•
Bab 1. Mengambil Data dari Sumber Daring
•
Bab 2. SQL sebagai Instrumen Pengolahan Data
•
Bab 3. Fitur Tingkat Lanjut SQL untuk Analisis
•
Bab 4. Hubungan antar Tabel
•
Bab 5. Soft Skill
•
Pelajaran Tambahan: PySpark
7 +1 proyek untuk
Analisis Bisnis
portofolio Anda
Penerapan analisis data dalam bisnis. Metrik bisnis dan
2 minggu, 40 jam
Indikator Kinerja Utama. Analisis data pengguna. Analisis
pemasaran dan instrumen terkait. Corong penjualan.
•
Bab 1. Metrik dan Corong
•
Bab 2. Analisis Kohort
•
Bab 3. Unit Ekonomi
•
Bab 4. Metrik Pengguna
•
Bab 5. Soft Skill
• Pelajaran Tambahan: Mengoptimalkan Data pada Pandas
Pengambilan Keputusan Bisnis +1 proyek untuk
8
Berdasarkan Data
portofolio Anda
2 minggu, 40 jam
Metode dan instrumen untuk menguji hipotesis. Desain
eksperimental. Musiman (Seasonality). Analisis Kohort. A/B
testing.
•
Bab 1. Dasar-Dasar Pengujian Hipotesis dalam Bisnis
•
Bab 2. Memilih Metode Eksperimen
•
Bab 3. Mempersiapkan A/B Testing
•
Bab 4. Persiapan untuk A/B Testing
•
Bab 5. Menganalisis Hasil A/B Testing
• Bab 6. Soft Skill
+1 proyek untuk
9 Cara Bercerita Menggunakan Data
portofolio Anda
Menyajikan hasil riset Anda. Metode visualisasi data. Membuat
2 minggu, 40 jam
laporan untuk menjelaskan temuan.
Library Seaborn.
•
Bab 1. Mempersiapkan Presentasi
•
Bab 2. Library Seaborn.
• Bab 3. Library Plotly
+1 proyek untuk
10 Proyek Terintegrasi 2
portofolio Anda
Menyatukan semua yang telah Anda pelajari sejauh ini untuk
1 minggu, 20 jam
menganalisis hasil A/B testing dari sebuah aplikasi makanan.
Istirahat -
1 minggu
+1 proyek untuk
11 Otomatisasi
portofolio Anda
Mengotomatiskan proses analisis data dan membuat script
2 minggu, 40 jam
untuk tugas rutin. Metode visualisasi data. Mempresentasikan
hasil.
•
Bab 1. Dasar-Dasar Peluncuran Script
•
Bab 2. Data Pipeline dan Alasan Menggunakannya
Bab 3. Merancang dan Mengembangkan Dashboard dengan
Dash
• Bab 4. Tableau
+1 proyek untuk
12 Ramalan dan Prediksi
portofolio Anda
Metode dan penerapan machine learning. Klasifikasi,
2 minggu, 40 jam
peramalan, pengklasteran. Regresi. Decision tree.
•
Bab 1. Penerapan Machine Learning dalam Bisnis
•
Bab 2. Algoritme Machine Learning
• Bab 3. Penyelesaian Tugas Terkait Machine Learning
+1 proyek untuk
13 Proyek Akhir
portofolio Anda
Menerapkan semua yang telah Anda pelajari dalam pelatihan
2 minggu, 40 jam
dua minggu yang menyimulasikan pengalaman kerja sebagai
seorang analis data junior.
Program Keberhasilan Karier
Program Keberhasilan Karier meningkatkan kemampuan kerja lulusan
TripleTen. Dengan kata lain, program ini membantu siswa bertransformasi
dari seorang pembelajar menjadi seorang pekerja.
1 Komunitas Alumni Tidak ada batasan
waktu
Ruang untuk dukungan peer-to-peer dan jejaring profesional
yang produktif.
•
Komunikasi berkesinambungan dengan para lulusan lainnya
Kegiatan daring — webinar dari profesional industri, sesi
networking
• Peluang kerja dan proyek freelance dari alumni dan tutor
2 Kursus Persiapan Karier 4 minggu
Kursus tambahan gratis ini mempersiapkan para lulusan untuk
mencari pekerjaan. Kursus ini terdiri dari materi pelajaran, tugas-
tugas, dan umpan balik oleh spesialis HR.
Struktur kursus persiapan karier:
•
Strategi pencarian kerja pribadi
•
Pasar kerja di bidang TI dan digital
•
Wawancara - teori dan praktik
•
Keterampilan networking
•
Resume/CV
•
Surat motivasi
•
Portofolio
• Eksistensi daring — LinkedIn, dll.
3 Akselerator Karier 6 bulan atau
hingga Anda
Ini adalah aktivitas berbasis komunitas, di mana para lulusan:
mendapatkan
•
Secara aktif mencari pekerjaan dan senantiasa meningkatkan pekerjaan
diri melalui umpan balik yang disediakan oleh spesialis HR kami
Mempraktikkan wawancara teknis dan wawancara HR (simulasi
wawancara)
Membangun relasi secara aktif (dengan bantuan dari kami dan
oleh siswa sendiri)
•
Mendapatkan akses ke mitra TripleTen dan peluang kerja yang
tersedia