#66DaysOfData

Pra kata

Tujuan Belajar

• Membangun kebiasaan dan gaya belajar yang baik sesuai dengan persona diri

• Memahami bagaimana seorang data analyst bekerja di realita industri

• Memastikan pengetahuan yang didapat sejalan dengan keterampilan praktis yang di bangun

Inti Sari

• Fase 1: Python & Dasar Data Science
Membiasakan diri dengan Python dan manipulasi data dasar
Day 1–2: Pengenalan Python (variabel, tipe data, operasi dasar)
Day 3–4: Kondisi if, loop (for, while)
Day 5–6: Fungsi & import modul
Day 7: Pengantar Numpy (array, operasi dasar)
Day 8–9: Pandas dasar (DataFrame, Series, membaca file CSV)
Day 10–11: Cleaning data (missing value, filtering)
 

• Fase 2: Exploratory Data Analysis
Memahami data melalui statistik dan visualisasi
Day 12–13: Statistik deskriptif (mean, median, std, korelasi)
Day 14–15: Visualisasi dengan Matplotlib (bar, pie, line)
Day 16–17: Visualisasi lanjutan dengan Seaborn (heatmap, scatter, boxplot)
Day 18–19: Menggali insight dari data
Day 20–22: Mini Project: EDA dataset publik (contoh: Titanic, Anime, atau Dataset Netflix)
 

• Fase 3: SQL untuk Data Analyst
Query database untuk analisis data
Day 23–24: SELECT, WHERE, ORDER BY
Day 25–26: GROUP BY, COUNT, AVG, SUM
Day 27–28: JOIN (INNER, LEFT, RIGHT)
Day 29: Subquery dan CTE (Common Table Expression)
Day 30: SQL mini project
 

• Fase 4: Statistik Dasar & Probabilitas
Pemahaman konsep statistik yang sering digunakan dalam analisis
Day 31–32: Pengenalan statistik & distribusi data
Day 33–34: Central tendency & spread (mean, median, std)
Day 35–36: Distribusi normal & skewness
Day 37–38: Probabilitas dasar (independen, conditional)
Day 39–40: Law of large numbers, CLT, dan project kecil
 

• Fase 5: Machine Learning Dasar
Pengenalan model machine learning dan pipeline
📘 Tools: Scikit-learn
Day 41–42: Supervised vs Unsupervised
Day 43–44: Preprocessing (scaling, encoding)
Day 45–46: Train/test split, model evaluation
Day 47–48: Linear Regression
Day 49–50: Logistic Regression
Day 51–52: KNN & Decision Tree
Day 53–55: Mini Project: Prediksi sederhana

• Fase 6: Portfolio Project & Sharing
Membuat portofolio, dokumentasi, dan membagikannya
Day 56–60: Pilih dan kerjakan 1 dataset untuk analisis lengkap (EDA + ML)
Day 61–63: Buat dokumentasi di GitHub & Notion
Day 64–65: Buat post LinkedIn / Medium / blog Notion
Day 66: Refleksi perjalanan #66DaysOfData & rencana belajar ke depan
 

Timeline

#66DaysOfData’s Timeline