ASSOCIATE DATA SCIENTIST – BNSP

Pelatihan Associate Data Scientist – BNSP dirancang untuk membekali peserta dengan pengetahuan dan keterampilan dasar dalam pengolahan, analisis, dan interpretasi data sebagai bagian dari proses pengambilan keputusan berbasis data. Program ini juga dapat digunakan sebagai pembekalan bagi peserta yang akan mengikuti uji kompetensi Associate Data Scientist sesuai skema dan unit kompetensi yang berlaku pada LSP penyelenggara.

Peserta akan mempelajari proses kerja data secara sistematis, mulai dari memahami kebutuhan bisnis, mengumpulkan dan menyiapkan data, melakukan data cleaning, eksplorasi dan analisis data, visualisasi data, hingga menyampaikan hasil analisis. Materi juga dapat mencakup dasar statistik dan machine learning sesuai kebutuhan program dan skema sertifikasi.

Melalui kombinasi teori, studi kasus, hands-on practice, dan simulasi asesmen, peserta diharapkan mampu memahami proses kerja seorang Associate Data Scientist serta menerapkan teknik analisis data untuk menghasilkan informasi dan insight yang relevan.

Tujuan Pelatihan

• Memahami konsep dasar Data Science dan Data Analytics.
• Memahami peran dan ruang lingkup kerja Associate Data Scientist.
• Memahami proses pengumpulan dan pengelolaan data.
• Mampu melakukan data cleaning dan data preparation.
• Mampu melakukan exploratory data analysis.
• Memahami dasar statistik untuk analisis data.
• Mampu melakukan visualisasi dan interpretasi data.
• Memahami dasar penggunaan tools untuk analisis data.
• Memahami konsep dasar machine learning.
• Mempersiapkan peserta menghadapi uji kompetensi Associate Data Scientist – BNSP sesuai skema yang diikuti.

Materi Pelatihan

1. Fundamental Data Science

• Pengertian Data Science
• Data Analytics vs Data Science
• Peran Data Scientist
• Data Science Lifecycle
• Data-Driven Decision Making
• Data Types
• Structured & Unstructured Data
• Data Science Use Cases
• Data Ethics

2. Business Understanding & Problem Definition

• Business Problem
• Analytical Problem
• Data Requirements
• Problem Definition
• Business Objectives
• Analytical Objectives
• Key Performance Indicators
• Problem-Solving Framework
• Data Science Project Workflow

3. Data Collection & Data Management

• Data Sources
• Primary & Secondary Data
• Database Fundamentals
• Data Collection Methods
• Data Quality
• Data Storage
• Data Documentation
• Data Privacy Awareness
• Data Governance Fundamentals

4. Data Cleaning & Preparation

• Data Cleaning Fundamentals
• Missing Values
• Duplicate Data
• Data Inconsistency
• Outlier Awareness
• Data Transformation
• Data Formatting
• Data Integration
• Data Preparation Workflow

5. Exploratory Data Analysis (EDA)

• Exploratory Data Analysis
• Descriptive Statistics
• Data Distribution
• Central Tendency
• Variability
• Correlation Analysis
• Pattern Identification
• Trend Analysis
• Exploratory Insight

6. Statistical Analysis Fundamentals

• Population & Sample
• Descriptive Statistics
• Probability Fundamentals
• Hypothesis Testing Awareness
• Correlation
• Regression Fundamentals
• Statistical Interpretation
• Analytical Assumptions

7. Data Visualization

• Data Visualization Principles
• Chart Selection
• Bar & Column Chart
• Line Chart
• Scatter Plot
• Distribution Visualization
• Dashboard Fundamentals
• Data Storytelling
• Insight Communication

8. Data Analysis Tools

• Spreadsheet for Data Analysis
• SQL Fundamentals
• Python/R Awareness
• Data Analysis Libraries Awareness
• Data Visualization Tools
• Notebook Environment
• Data Import & Export
• Analytical Workflow

9. Introduction to Machine Learning

• Machine Learning Fundamentals
• Supervised Learning
• Unsupervised Learning
• Classification
• Regression
• Clustering
• Training & Testing Data
• Model Evaluation Awareness
• Overfitting & Underfitting

10. Data Science Project Workflow

• Problem Understanding
• Data Collection
• Data Preparation
• Data Exploration
• Analysis & Modeling
• Model Evaluation
• Result Interpretation
• Insight Development
• Recommendation

11. Data Science Case Study & Workshop

• Business Case Analysis
• Problem Definition
• Dataset Exploration
• Data Cleaning Exercise
• Exploratory Data Analysis
• Data Visualization
• Basic Modeling Exercise
• Insight Development
• Presentation of Findings

12. Persiapan Uji Kompetensi BNSP

• Pengenalan Proses Sertifikasi Kompetensi
• Pemahaman Skema dan Unit Kompetensi
• Persiapan Bukti Kompetensi
• Portofolio dan Dokumentasi
• Simulasi Asesmen
• Praktik Demonstrasi Kompetensi
• Tanya Jawab Asesor
• Evaluasi Kesiapan Peserta

Learning Outcomes

Setelah mengikuti pelatihan ini, peserta mampu:

• Memahami konsep dan workflow Data Science.
• Mengidentifikasi kebutuhan dan permasalahan bisnis yang dapat dianalisis menggunakan data.
• Memahami proses pengumpulan dan pengelolaan data.
• Melakukan proses data cleaning dan data preparation.
• Melakukan analisis eksploratif untuk menemukan pola dan informasi dari data.
• Memahami dasar statistik untuk mendukung proses analisis.
• Membuat visualisasi data yang informatif.
• Menginterpretasikan hasil analisis menjadi insight dan rekomendasi.
• Memahami dasar konsep machine learning.
• Mempersiapkan diri untuk mengikuti uji kompetensi Associate Data Scientist – BNSP sesuai skema yang berlaku.

Metode Pelatihan

• Instructor-Led Training
• Interactive Discussion
• Live Demonstration
• Hands-On Practice
• Data Analysis Workshop
• Data Science Case Study
• Project-Based Learning
• Data Visualization Exercise
• Basic Machine Learning Exercise
• Simulasi Uji Kompetensi BNSP

Peserta yang Direkomendasikan

• Junior Data Scientist
• Data Analyst
• Business Analyst
• Business Intelligence Staff
• Data Engineer Pemula
• Researcher
• Statistician
• IT Staff
• Programmer
• Database Staff
• Fresh Graduate
• Mahasiswa
• Profesional yang ingin mengembangkan kompetensi di bidang Data Science.
• Peserta yang ingin mempersiapkan diri mengikuti sertifikasi kompetensi Associate Data Scientist – BNSP.

Durasi Pelatihan

2–3 Hari

Durasi dapat disesuaikan dengan skema sertifikasi, unit kompetensi, dan kebutuhan peserta.

Fasilitas Pelatihan

• Modul pelatihan
• Training Kit
• Sertifikat Pelatihan
• Materi dan studi kasus
• Dataset untuk praktik
• Data Cleaning Exercise
• Exploratory Data Analysis Workshop
• Data Visualization Exercise
• Basic Machine Learning Practice
• Data Science Case Study
• Simulasi Uji Kompetensi
• Persiapan Asesmen BNSP
• Coffee Break dan Lunch (kelas tatap muka)
• Konsultasi pasca pelatihan

Benefit Mengikuti Pelatihan

• Meningkatkan pemahaman dan kompetensi dasar di bidang Data Science.
• Memahami proses pengolahan data dari pengumpulan hingga penyampaian insight.
• Meningkatkan kemampuan melakukan data cleaning dan analisis eksploratif.
• Memahami dasar statistik dan visualisasi data.
• Memahami konsep dasar machine learning dan penerapannya.
• Meningkatkan kemampuan menyelesaikan permasalahan menggunakan pendekatan berbasis data.
• Memperoleh pengalaman praktik melalui studi kasus dan proyek analisis data.
• Mendapatkan pembekalan untuk menghadapi uji kompetensi Associate Data Scientist – BNSP.
• Meningkatkan kesiapan untuk berkarier di bidang Data Analytics, Data Science, Business Intelligence, dan teknologi berbasis data.

Info Training & Pendaftaran

Untuk informasi jadwal Public Training, In-House Training, maupun Corporate Training, silakan menghubungi tim marketing kami:

📞 0878-9402-4805

Formulir

Judul *

Nama *

Nomor *

Email *

Kota *

Instansi *

Captcha *

Kirim Data