Data & AI

Track ini membangun kemampuan mengolah data dan mengintegrasikan kecerdasan buatan ke produk. Kamu akan belajar SQL, visualisasi data, machine learning, dan responsible AI. Cocok untuk yang ingin jadi Data Analyst, Data Engineer, atau ML Engineer.

Kompetensi per Level:

Beginner: 4 kompetensi
Intermediate: 4 kompetensi
Advanced: 3 kompetensi

Level: Beginner

Data Literacy & Thinking in Data

Mastery Level: Level 1 - Understand & Articulate
Evidence: Penjelasan mengenai perbedaan tipe data analitik dan operasional
Exit Criteria: Mengidentifikasi bias dalam pengumpulan data awal

SQL Fundamentals & Querying

Mastery Level: Level 2 - Apply & Execute
Evidence: Query SELECT, JOIN, GROUP BY untuk mengambil data dari database
Exit Criteria: Menghitung rata-rata transaksi bulanan dari tabel mentah secara akurat

Data Cleaning & Validation

Mastery Level: Level 2 - Apply & Execute
Evidence: Script pembersihan data (Pandas/SQL) untuk menangani nilai null dan duplikat
Exit Criteria: Menghasilkan dataset bersih yang siap dimasukkan ke dashboard

Statistik Deskriptif

Mastery Level: Level 2 - Apply & Execute
Evidence: Laporan analisis deskriptif data member (mean, median, varians, outlier)
Exit Criteria: Menjelaskan sebaran data secara kuantitatif tanpa salah interpretasi

Level: Intermediate

Data Visualization & Storytelling

Mastery Level: Level 2 - Apply & Execute
Evidence: Dashboard interaktif (Looker Studio, Tableau) yang mudah dipahami non-teknis
Exit Criteria: Menyajikan insight bisnis dalam 3 visual grafik utama tanpa visual clutter

Exploratory Data Analysis (EDA)

Mastery Level: Level 3 - Evaluate & Architect
Evidence: Jupyter Notebook yang memuat visual korelasi antar variabel
Exit Criteria: Menemukan anomali atau pola tersembunyi yang berguna untuk strategi produk

Machine Learning Fundamentals

Mastery Level: Level 2 - Apply & Execute
Evidence: Model prediktif terlatih (Regresi/Klasifikasi/Klasterisasi)
Exit Criteria: Mengevaluasi performa model menggunakan metrik yang tepat (MSE/F1-Score)

Data Pipeline & ETL

Mastery Level: Level 3 - Evaluate & Architect
Evidence: Pipeline data berkala (Python, dbt, Airflow) untuk integrasi data
Exit Criteria: Data terupdate di gudang data (data warehouse) secara berkala dan bebas error

Level: Advanced

AI Product Integration

Mastery Level: Level 3 - Evaluate & Architect
Evidence: Integrasi model AI (LLM API/Custom Model) ke dalam fitur aplikasi
Exit Criteria: Model AI beroperasi dengan batasan input yang aman dan penanganan halusinasi

Model Evaluation & Deployment

Mastery Level: Level 3 - Evaluate & Architect
Evidence: Deployment model ML sebagai microservice API (Docker/FastAPI)
Exit Criteria: Model dapat diakses real-time dengan latensi rendah

Responsible AI & Data Ethics

Mastery Level: Level 4 - Peer Instruction & Knowledge Share
Evidence: Dokumen audit bias model dan persetujuan privasi data (GDPR/UU PDP)
Exit Criteria: Menjamin transparansi keputusan model AI kepada pengguna