DSBD: Pendahuluan Sains Data dan Big Data

DSBD - Introduction to Data Science & Big Data

Di era data, Data Science (DS) (Sains Data) dan Big Data (BD) telah menjadi salah satu kunci penting dalam mendukung kesuksesan industri dan pemerintahan di banyak tempat di seluruh dunia. Namun demikian karena DS dan BD adalah bidang ilmu yang cenderung baru, banyak pemula yang kesulitan dalam mendapatkan referensi dan acuan untuk bagaimana memulai mempelajari topik ini. Mengetahui gambaran umum akan tantangan, peluang, teknologi, dan metode terkait DS dan BD akan membantu para pemula untuk memberikan arahan yang baik dalam mendalami bidang ini.

Modul DSBD dimulai dengan pengenalan berbagai istilah dan sejarah mengapa teknologi dan metode baru terkait DS dan BD terlahir. Hubungan antara DS, BD, AI (Artificial Intelligence), Machine Learning, Statistika, dan berbagai bidang ilmu terkait data lainnya menjadi pembahasan selanjutnya. Overview dari berbagai metode dan teknologi yang ada di DS dan BD menjadi  fondasi bagi para pemula untuk mendalami lebih lanjut ilmu DS dan-atau BD.  Deskripsi, tugas, serta tanggung jawab berbagai profesi terkait data seperti Data Scientist, Data Engineer, dan Data Analyst menjadi salah satu pokok bahasan di modul ini. Berbagai isu terkait hukum dan ethics data, serta diskusi terkait masa depan teknologi dan metode di DS dan BD juga tidak luput dari pembahasan di modul ini.

Secara berkala modul ini akan terus di koreksi dan diperbaharui dengan interval waktu yang tidak ditentukan. Mohon gunakan kolom komentar hanya untuk errata atau keperluan lain. Secara umum setiap modul akan terdiri dari:

1. video: Penjelasan umum yang disajikan secara less-formal yang cocok untuk mereka yang benar-benar baru dalam mempelajari topik yang dibahas. Video penjelasan ini juga cocok untuk para praktisi yang merasa tidak perlu mendalami teori terlalu dalam.
2. Modul tertulis: Penjelasan semi-formal tentang teori dari topik yang sedang dibahas.
3. Topik bahasan di Forum sebagai sarana diskusi antar pengguna.
4. Latihan Soal: untuk pengguna umum (subscriber tau-data) akan berisi latihan soal dasar berdasarkan materi di video, modul, & bahan bacaan tugas di modul. Latihan soal (uji kompetensi yang komprehensif) beserta skor-nya hanya diberikan ke mitra tau-data.

Posisi DSBD dalam tau-RoadMap.

Prasayarat :

Tidak ada.

Tujuan Pembelajaran

Modul ini bertujuan agar pengguna:

1. Memahami pengertian dan ruang lingkup DS-BD, terutama perbedaannya dengan bidang terkait data lain seperti statistika, machine learning, AI, dan deep learning.
2. Mengenal berbagai metode dan teknologi di DS-BD sebagai alat (tool) untuk membantu pemrosesan dan analisa data.
3. Memahami berbagai profesi terkait data beserta tugas dan tanggung jawab yang diberikan.
4. mengetahui tantangan, peluang, kelemahan, serta kelebihan berbagai metode dan teknologi DS-BD baik di dunia akademis, industri, maupun pemerintahan.
5. Mengetahui tentang etika dan hukum terkait penggunaan data.
6. Memiliki pengetahuan untuk mengembangkan ide (kreativitas dan inovasi) menggunakan data science dan big data.
7. Menghindari kesalahan pemula (common fallacies) dalam menerapkan data science dan big data di institusinya masing-masing (atau dalam sebuah penelitian).

Silabus:

1. DSBD-01: Pendahuluan Sains Data dan Big Data
2. DSBD-02: Data Scientist: Profesi & Kompetensi
3. DSBD-03: Pengenalan Berbagai Tipe Data
4. DSBD-04: Pengenalan Berbagai Metode/Algoritma di Sains Data
5. DSBD-05: Pengenalan Teknologi di Sains Data dan Big Data
6. DSBD-06: Big Data (Science): Peluang, Tantangan dan Trend

Referensi:

1. Baesens, B. (2014). Analytics in a big data world: The essential guide to data science and its applications. John Wiley & Sons. (general introduction to data science and big data)
2. Cielen, D., Meysman, A., & Ali, M. (2016). Introducing data science: big data, machine learning, and more, using Python tools. Manning Publications Co. (good technical reference to big data related problems)
3. Berman, J. J. (2018). Principles and Practice of Big Data: Preparing, Sharing, and Analyzing Complex Information. Academic Press.
4. Ratner, B. (2017). Statistical and Machine-Learning Data Mining:: Techniques for Better Predictive Modeling and Analysis of Big Data. Chapman and Hall/CRC.
5. Furht, B., & Villanustre, F. (2016). Big data technologies and applications. Berlin, Germany: Springer.

Acknowledgements:

taudata Indonesia berterima kasih atas dukungan dari berbagai lembaga/institusi berikut dalam pengembangan modul ini:

1. Traveloka Indonesia : https://www.traveloka.com
2. Badan Pusat Statistik (BPS) Republik Indonesia: https://www.bps.go.id

Supplementary:

• Tools Pendukung:
  - None

Kembali ke Kurikulum Utama