Pekerjaan data science yang rapi dimulai dari lingkungan kerja yang tertata. Section ini memandu instalasi Python, pembuatan virtual environment, pemasangan library inti seperti NumPy dan pandas, penggunaan Jupyter Notebook, pengelolaan dependensi dengan requirements.txt, hingga menata struktur folder proyek agar analisis mudah dipahami orang lain — termasuk diri kita sendiri tiga bulan ke depan.

# Instalasi Python untuk Data Science

Pasang Python dan verifikasi instalasinya di Windows, macOS, dan Linux.

Buka → # Virtual Environment

Isolasi dependensi tiap proyek dengan venv agar versi library tidak saling bertabrakan.

Buka → # Instalasi Library Data Science

Pasang NumPy, pandas, matplotlib, dan scikit-learn beserta cara memverifikasi versinya.

Buka → # Pengenalan Jupyter Notebook

Kenali arsitektur Jupyter, cara menjalankannya, dan anatominya satu notebook.

Buka → # Menggunakan Notebook untuk Analisis

Kuasai cell kode, cell teks, kernel, dan alur kerja analisis interaktif di notebook.

Buka → # Manajemen Dependensi

Kelola dependensi proyek dengan requirements.txt dan pembekuan versi library.

Buka → # Struktur Proyek Data Science

Susun folder proyek analisis yang rapi: data, notebook, skrip, dan dokumentasi.

Buka →