Darren
Alumni Success Story #2Alumni Batch 2 Digica Data Science Bootcamp

Darren

Sukses menjadi Data Scientist diDANA

“Nge-build fondasi modeling dan problem solving end-to-end, supaya siap apply ke role Data Scientist setelah lulus.”

The story

Waktu ikut Digica Data Science Bootcamp, apa tujuan utama yang pengen kamu capai?

Tujuan utama aku waktu itu adalah nge-build fondasi Data Science yang lebih dalam—terutama modeling dan cara ngerjain problem end-to-end—supaya siap apply ke role Data Scientist setelah lulus. Aku pengen skill-nya kebawa ke kerjaan beneran, bukan cuma teori di kampus.

Hal apa yang paling membantu dari Digica selama proses belajar Data Science?

Yang paling ngebantu itu feedback dari mentor di assignment dan project. Kita ga cuma disuruh bikin model yang akurasinya tinggi, tapi juga harus bisa jelasin kenapa approach-nya masuk akal, apa limitasinya, dan hasilnya bisa dipakai orang lain.

Materi atau sesi mana yang paling kerasa dampaknya buat kamu?

Bagian modeling dan evaluation. Di situ kerasa banget bedanya belajar di bootcamp vs belajar sendiri: kita dilatih milih metric yang tepat, ngecek asumsi, dan ga langsung percaya ke hasil yang “bagus di atas kertas”. Itu yang bikin cara kerjanya lebih mirip Data Scientist di industri.

Skill dari Digica yang paling kepakai waktu proses interview sampai akhirnya keterima di DANA apa?

Kemampuan breakdown problem dan jelasin alur berpikir—dari rumusan masalah, pilihan metode, sampai interpretasi hasil. Di interview Data Scientist, yang ditanya bukan cuma “bisa coding atau nggak”, tapi apakah kita paham kenapa suatu model dipilih, bagaimana evaluasinya, dan apa impact-nya ke keputusan bisnis.

Ada tips & saran buat teman-teman yang lagi mau mulai belajar data science atau data analytics?

Kalau lagi mulai, jangan cuma kejar tools atau algoritma terbaru. Kerjain beberapa project sampai selesai, dokumentasikan proses berpikirnya, dan biasain jelasin hasil ke orang yang nggak technical. Bootcamp kayak Digica ngebantu karena ritmenya mirip kerjaan beneran: ada deadline, ada review, dan ada konteks bisnisnya. Itu yang bikin transisi ke role Data Scientist terasa lebih natural.