Skill yang Dibutuhkan untuk Menjadi Seorang Generatif AI Data Scientist

Membangun Development Environment yang Tepat: VS Code, Jupyter, dan Anaconda

Visual Studio Code

Visual Studio Code (VS Code) telah menjadi editor kode dominan di seluruh industri perangkat lunak, dan adopsinya di dalam tim data science dan machine learning telah tumbuh secara dramatis. Yang membuat VS Code sangat cocok untuk pekerjaan AI generatif adalah ekstensibilitasnya. Ekstensi Python menyediakan penyelesaian kode cerdas, pemeriksaan tipe sebaris, dan debugging terintegrasi yang membuat penulisan dan pemecahan masalah kode model jauh lebih cepat daripada bekerja di editor teks biasa. Ekstensi Jupyter bawaan memungkinkan data scientist untuk menjalankan sel notebook langsung di dalam VS Code, menggabungkan alur kerja interaktif dan eksploratif yang dikenal dari notebook dengan navigasi kode, refactoring, dan integrasi kontrol versi yang lebih canggih yang disediakan oleh IDE lengkap.

Khusus untuk pekerjaan AI generatif, VS Code telah menjadi tempat yang tepat untuk alat coding yang dibantu AI. Ekstensi dan asisten coding AI terintegrasi memungkinkan data scientist untuk membuat prototipe pipeline LangChain, men-debug template prompt, dan melakukan iterasi pada sistem generasi yang diper augmented dengan pengambilan data dengan kecepatan yang jauh lebih tinggi daripada yang mungkin dilakukan bahkan dua tahun lalu. Kemampuan untuk mengelola proyek multi-file yang kompleks — sesuatu yang menjadi semakin penting setelah proyek data science beralih dari satu notebook ke aplikasi berorientasi produksi dengan banyak modul, file konfigurasi, dan skrip deployment — adalah salah satu keunggulan inti VS Code dibandingkan alur kerja hanya notebook.

Notebook Jupyter

Jupyter tetap menjadi alat terpenting untuk fase eksplorasi pekerjaan data science, dan memahami mengapa hal itu terjadi membutuhkan apresiasi terhadap apa yang membuat data science berbeda dari sebagian besar disiplin ilmu rekayasa perangkat lunak lainnya. Data science pada dasarnya adalah proses iteratif dan investigatif: kita memuat dataset, kita belum mengetahui bentuk atau keunikannya, dan kita perlu melihatnya — secara harfiah melihatnya, melalui output yang dicetak, statistik ringkasan, dan visualisasi — sebelum kita dapat membuat keputusan yang tepat tentang cara membersihkannya, mengubahnya, dan memodelkannya. Model eksekusi berbasis sel Jupyter, di mana kita dapat menjalankan dan menjalankan ulang potongan kode kecil dan melihat outputnya langsung di bawahnya, dirancang khusus untuk jenis investigasi iteratif ini.

Pentingnya Jupyter meluas jauh melampaui eksplorasi sederhana. Jupyter telah menjadi media standar untuk berbagi pekerjaan data science dengan pemangku kepentingan teknis dan non-teknis, karena notebook yang terorganisir dengan baik menggabungkan kode, output visual, dan penjelasan naratif dalam satu dokumen yang dapat dibaca, dipahami, dan direproduksi oleh seseorang yang tidak hadir saat analisis dilakukan. Khusus untuk pekerjaan AI generatif, Jupyter adalah tempat para data scientist membuat prototipe strategi rekayasa prompt, menguji berbagai konfigurasi pengambilan untuk pipeline RAG, dan mengevaluasi output model terhadap kasus uji sebelum menerapkan logika tersebut ke kode produksi. JupyterLab, penerus yang lebih lengkap dari antarmuka Jupyter Notebook klasik, menambahkan ruang kerja multi-panel yang lebih canggih yang memudahkan untuk bekerja dengan beberapa notebook, terminal, dan penjelajah file secara bersamaan.

Anaconda

Anaconda mengatasi salah satu masalah yang paling gigih dan membuat frustrasi dalam data science berbasis Python, yaitu manajemen dependensi. Sebuah proyek data science tipikal bergantung pada lusinan library yang saling terkait, banyak di antaranya memiliki persyaratan versi spesifiknya sendiri, dan banyak di antaranya bergantung pada komponen yang dikompilasi (terutama berlaku untuk library komputasi numerik dan machine learning) yang benar-benar sulit untuk diinstal dengan benar pada sistem operasi yang berbeda. Anaconda memecahkan masalah ini dengan menyediakan sistem manajemen paket dan lingkungan, yang didistribusikan dengan conda, yang menangani dependensi ini dengan cara yang jauh lebih andal daripada ekosistem paket Python berbasis pip standar saja, terutama untuk library dengan dependensi kompilasi yang kompleks seperti NumPy, SciPy, dan PyTorch.

Penanganan dan Visualisasi Data: Pandas dan Plotly

Setelah lingkungan pengembangan disiapkan, pekerjaan sebenarnya dari data science dimulai dengan memahami, membersihkan, dan mengkomunikasikan data — dan di sinilah Pandas dan Plotly membentuk perangkat penting.

Pandas

Pandas, tanpa banyak berlebihan, adalah library terpenting dalam ekosistem data science Python. Ia menyediakan DataFrame, yaitu struktur data berlabel dua dimensi yang telah menjadi representasi standar de facto untuk data tabular di seluruh komunitas data science Python. Hampir setiap alat lain dalam tumpukan data science, dari library visualisasi hingga framework machine learning, dirancang untuk bekerja dengan lancar dengan Pandas DataFrame, yang menjadikan kefasihan dalam Pandas sebagai prasyarat untuk penggunaan yang efektif dari hampir semua hal lain dalam panduan ini.

Keterampilan praktis bekerja dengan Pandas mencakup berbagai operasi yang dilakukan oleh data scientist puluhan kali sehari, seperti memuat data dari berbagai sumber (file CSV, spreadsheet Excel, database SQL, API JSON, dan semakin banyak, data yang dialirkan dari database vektor dalam aplikasi AI generatif); Membersihkan data dunia nyata yang berantakan dengan menangani nilai yang hilang, mengoreksi tipe data, dan menghapus duplikat; membentuk kembali data melalui operasi seperti pivoting, melting, merging, dan grouping; dan melakukan jenis agregasi eksploratif dan statistik ringkasan yang mengungkapkan pola mendasar dalam sebuah dataset sebelum pemodelan dimulai.

Plotly

Sementara Pandas menangani manipulasi data, Plotly menangani tugas penting untuk membuat data tersebut mudah dipahami secara visual — baik untuk proses eksplorasi data scientist sendiri maupun untuk mengkomunikasikan temuan kepada pemangku kepentingan yang tidak terlibat dalam pekerjaan teknis. Plotly membedakan dirinya dari library visualisasi yang lebih lama melalui dukungan bawaannya untuk grafik interaktif, seperti visualisasi yang mendukung pembesaran, penggeseran, pengarahan kursor untuk detail, dan pemfilteran langsung di dalam notebook atau dasbor berbasis web, bukan gambar statis yang dihasilkan library seperti Matplotlib secara default.

Dalam konteks pekerjaan AI generatif, Plotly telah menjadi alat penting untuk memvisualisasikan metrik evaluasi, seperti melacak bagaimana akurasi pengambilan sistem RAG berubah saat strategi pengelompokan yang berbeda diuji, memvisualisasikan distribusi skor kualitas respons di seluruh set evaluasi yang besar, atau membangun dasbor pemantauan yang melacak latensi, biaya, dan kualitas keluaran aplikasi LLM dalam produksi dari waktu ke waktu. Kombinasi Pandas untuk pengolahan data dan Plotly untuk visualisasi membentuk lingkaran yang erat dan saling memperkuat, yaitu manipulasi data hingga berada dalam bentuk yang tepat untuk mengungkapkan apa yang kita cari, visualisasikan untuk mengkonfirmasi pola, dan ulangi.

Dasar-Dasar Machine Learning: Scikit-Learn, H2O.ai, dan PyTorch

Scikit-Learn

Scikit-learn tetap menjadi library definitif untuk machine learning klasik di Python, dan kepentingannya bagi keahlian data science yang lengkap tidak berkurang di era AI generatif. Ia menyediakan implementasi algoritma yang bersih, konsisten, dan terdokumentasi dengan baik yang masih menjadi dasar sebagian besar sistem machine learning produksi, seperti regresi linier dan logistik, pohon keputusan dan hutan acak, penguatan gradien, mesin vektor pendukung, algoritma pengelompokan seperti k-means, dan teknik pengurangan dimensi seperti analisis komponen utama.

Yang membuat Scikit-learn sangat diperlukan bukan hanya library algoritmanya, tetapi juga desain API yang konsisten dan perangkat lengkapnya untuk alur kerja machine learning secara keseluruhan, seperti pemisahan data latih dan uji, validasi silang, penyetelan hiperparameter melalui pencarian grid dan pencarian acak, konstruksi pipeline yang menghubungkan langkah-langkah pra-pemrosesan dan pemodelan secara berulang, dan serangkaian metrik evaluasi yang kaya untuk masalah klasifikasi dan regresi. Bagi seorang Generative AI Data Scientist, Scikit-learn sering memainkan peran pendukung bahkan dalam proyek-proyek yang berpusat pada LLM, seperti mengelompokkan embedding yang dihasilkan oleh model bahasa untuk menemukan struktur laten dalam sebuah dataset, membangun pengklasifikasi klasik untuk mengarahkan kueri ke berbagai pipeline generatif khusus, atau menggunakan utilitas evaluasinya untuk secara ketat menilai kinerja sistem hibrida yang menggabungkan komponen klasik dan generatif.

H2O.ai

H2O.ai menempati ceruk penting namun terkadang terabaikan dalam perangkat machine learning, yaitu machine learning otomatis (AutoML) dan pelatihan model terdistribusi skala perusahaan. Kemampuan AutoML H2O memungkinkan seorang data scientist untuk menentukan kumpulan data dan variabel target, dan platform tersebut secara otomatis melatih, menyetel, dan membandingkan berbagai jenis model, menangani sebagian besar proses pencarian hyperparameter dan pemilihan model yang membosankan yang jika tidak akan menghabiskan banyak upaya manual. Kemampuan ini sangat berharga dalam lingkungan perusahaan di mana data scientist perlu dengan cepat membangun model dasar yang kuat di berbagai masalah bisnis, atau di mana volume pekerjaan pemodelan melebihi apa yang dapat disetel secara manual oleh tim secara individual.

Arsitektur komputasi terdistribusi H2O juga memungkinkan skalabilitasnya untuk menangani dataset yang tidak praktis jika menggunakan alat berbasis satu mesin seperti Scikit-learn standar, sehingga menjadikannya keterampilan yang relevan bagi data scientist yang bekerja di organisasi besar yang memiliki masalah data terstruktur berskala besar, seperti deteksi penipuan di jutaan transaksi harian, pemodelan risiko di seluruh dataset pelanggan berskala perusahaan, atau peramalan permintaan di seluruh operasi ritel atau logistik besar. Bagi seorang Generative AI Data Scientist, keakraban dengan H2O.ai menandakan kemampuan untuk beroperasi tidak hanya di lingkungan notebook eksploratif tetapi juga dalam jenis infrastruktur machine learning berskala besar dan berorientasi produksi yang diandalkan oleh organisasi besar.

PyTorch

PyTorch telah menjadi framework deep learning yang dominan baik dalam penelitian maupun industri, dan memiliki signifikansi khusus untuk pekerjaan AI generatif karena merupakan kerangka kerja yang mendasari sebagian besar model bahasa besar modern dan sistem generatif, termasuk model open source yang banyak organisasi sempurnakan dan terapkan secara internal. PyTorch muncul dalam sebagian besar lowongan pekerjaan AI yang dianalisis saat ini, mencerminkan posisinya sebagai infrastruktur dasar di seluruh industri AI, bersama dengan TensorFlow sebagai framework deep learning utama lainnya.

Memahami PyTorch pada tingkat yang bermakna berarti lebih dari sekadar memanggil API model yang sudah ada — itu berarti memahami tensor dan bagaimana diferensiasi otomatis bekerja, memahami struktur arsitektur neural network dengan cukup baik untuk memodifikasi dan menyempurnakan model yang ada, dan memahami mekanisme loop pelatihan yang mendasari bagaimana model benar-benar belajar dari data. Bagi seorang Generative AI Data Scientist, penguasaan PyTorch menjadi sangat penting saat sebuah proyek beralih dari sekadar memanggil API yang dihosting ke wilayah seperti penyempurnaan model bahasa open source pada data spesifik domain, membangun model penyematan khusus yang disesuaikan dengan tugas pengambilan data tertentu, atau mengimplementasikan arsitektur baru untuk aplikasi generatif khusus. Bahkan bagi data scientist yang terutama bekerja dengan model generatif berbasis API yang dihosting daripada melatih model mereka sendiri, pemahaman PyTorch memberikan intuisi penting tentang bagaimana sistem ini sebenarnya berfungsi di balik layar — intuisi yang terbukti berharga saat men-debug perilaku model yang tidak terduga atau membuat keputusan arsitektur yang tepat tentang bagaimana menyusun aplikasi AI generatif.

Komputasi Numerik: NumPy, Statsmodels, dan SciPy

NumPy

NumPy menyediakan struktur data array fundamental dan operasi matematika terkait yang hampir seluruh ekosistem komputasi ilmiah Python dibangun di atasnya. Pandas DataFrame dibangun di atas array NumPy secara internal. Operasi tensor PyTorch memiliki kesamaan konseptual dan sintaksis dengan NumPy khususnya karena NumPy menetapkan pola yang diadopsi oleh seluruh ekosistem. Memahami NumPy berarti memahami operasi vektorisasi — melakukan perhitungan di seluruh array angka secara bersamaan daripada mengulang elemen satu per satu — yang jauh lebih cepat dalam eksekusi dan lebih ringkas serta mudah dibaca dalam kode.

Pentingnya kemampuan NumPy secara praktis terus-menerus terlihat dalam detail pekerjaan data science, seperti membentuk ulang dan menggabungkan array data numerik secara efisien, melakukan operasi aljabar linier yang mendasari banyak algoritma machine learning, menghasilkan angka acak untuk simulasi dan pemodelan stokastik dengan cara yang ketat secara statistik, dan memahami aturan penyiaran dengan cukup baik untuk menulis kode yang efisien tanpa jatuh ke dalam jebakan kinerja umum. Untuk pekerjaan AI generatif, keterampilan NumPy menjadi sangat relevan ketika bekerja dengan embedding — representasi vektor numerik yang dihasilkan oleh model bahasa dan yang mendukung sistem pencarian dan pengambilan semantik — karena embedding pada dasarnya adalah array NumPy (atau ekuivalen tensor PyTorch-nya) yang perlu dimanipulasi, dibandingkan, dan dicari secara efisien.

Statsmodels

Statsmodels memainkan peran yang secara filosofis berbeda dari library berorientasi machine learning, berfokus pada inferensi statistik daripada kinerja prediktif semata. Jika Scikit-learn dioptimalkan untuk membangun model yang memprediksi dengan baik, Statsmodels dioptimalkan untuk membangun model yang dapat diinterpretasikan secara ketat — memberikan keluaran statistik terperinci termasuk interval kepercayaan koefisien, nilai p, uji hipotesis, dan pemeriksaan diagnostik yang memungkinkan seorang data scientist untuk membuat klaim statistik yang dapat dipertanggungjawabkan tentang hubungan dalam data, bukan hanya prediksi.

Perbedaan ini sangat penting dalam konteks profesional di mana seorang data scientist perlu menjelaskan mengapa sebuah model berperilaku seperti itu, bukan hanya menunjukkan bahwa model tersebut berkinerja baik pada set uji yang terpisah. Statsmodels adalah alat pilihan untuk analisis deret waktu dan peramalan menggunakan metode statistik klasik seperti ARIMA, untuk analisis uji A/B yang ketat yang membutuhkan pengujian hipotesis statistik yang tepat, dan untuk pekerjaan ekonometrik dan inferensi kausal yang membutuhkan penalaran statistik yang cermat tentang hubungan antar variabel. Seiring dengan semakin banyaknya evaluasi dan pemantauan sistem AI generatif menggunakan metode statistik formal — menentukan apakah peningkatan kualitas keluaran model yang diamati signifikan secara statistik, atau memodelkan hubungan antara berbagai strategi rekayasa cepat dan hasil yang terukur — kemampuan Statsmodels memberikan ketelitian yang dibutuhkan untuk membuat klaim yang dapat dipercaya tentang kinerja sistem AI generatif, alih-alih bergantung pada kesan anekdot.

SciPy

SciPy memperluas kemampuan array dasar NumPy ke dalam library fungsi komputasi ilmiah dan teknis yang lebih luas, seperti algoritma optimasi, integrasi numerik, pemrosesan sinyal, struktur data spasial, dan pustaka komprehensif distribusi probabilitas dan uji statistik. Jika NumPy menyediakan blok bangunan dasar, SciPy menyediakan algoritma ilmiah tingkat tinggi yang digunakan oleh data scientist saat memecahkan masalah komputasi yang lebih khusus.

Dalam praktik ilmu data sehari-hari, kemampuan SciPy muncul dalam tugas-tugas seperti mengoptimalkan fungsi tujuan khusus yang tidak sesuai dengan kerangka kerja pembelajaran mesin standar, melakukan uji hipotesis statistik untuk memvalidasi asumsi tentang distribusi data, bekerja dengan matriks jarang secara efisien untuk data skala besar atau berdimensi tinggi, dan mengimplementasikan metrik jarak khusus atau perhitungan kesamaan — kategori fungsi yang menjadi relevan langsung dengan pekerjaan AI generatif melalui perhitungan kesamaan kosinus dan metrik jarak lainnya yang digunakan untuk membandingkan embedding dalam sistem generasi yang diper augmented dengan pengambilan. Seorang ilmuwan data yang memahami kemampuan optimasi dan pengujian statistik SciPy memiliki alat untuk melampaui pendekatan pemodelan siap pakai dan membangun solusi yang benar-benar khusus ketika struktur masalah tertentu menuntutnya.

Framework AI Generatif: LangChain, LangGraph, dan OpenAI

OpenAI

API OpenAI tetap menjadi titik masuk yang paling banyak diadopsi untuk bekerja dengan large language model dalam aplikasi produksi, dan kefasihan dengannya membentuk fondasi di mana sebagian besar keterampilan aplikasi AI generatif dibangun. Pada intinya, bekerja dengan API OpenAI berarti memahami cara menyusun prompt secara efektif, mengelola konteks percakapan dan riwayat pesan, mengontrol parameter generasi seperti suhu dan batasan token untuk membentuk output model dengan tepat untuk kasus penggunaan tertentu, dan menangani realitas praktis bekerja dengan API yang dihosting — batasan laju, penanganan kesalahan, respons streaming untuk pengalaman pengguna yang lebih responsif, dan manajemen biaya di seluruh volume permintaan yang berpotensi sangat tinggi.

Di luar fungsi penyelesaian obrolan dasar, keterampilan API OpenAI modern semakin mencakup pemanggilan fungsi dan penggunaan alat (memungkinkan model bahasa untuk memanggil fungsi atau API eksternal sebagai bagian dari pembuatan respons, yang merupakan mekanisme dasar yang mendasari sebagian besar sistem agen AI), bekerja dengan embedding untuk aplikasi pencarian dan pengambilan semantik, dan memahami pertimbangan antara berbagai ukuran dan kemampuan model untuk menyeimbangkan biaya, latensi, dan kualitas output dalam aplikasi produksi. Integrasi AI — menghubungkan kemampuan AI ke sistem dan API yang ada — telah menjadi salah satu keterampilan AI terapan yang paling cepat berkembang dalam data perekrutan baru-baru ini, yang mencerminkan betapa pentingnya kompetensi integrasi API ini bagi pekerjaan AI generatif di dunia nyata. Sebagian besar peran AI Engineer dan AI Developer yang terdaftar secara eksplisit membutuhkan pengalaman mengintegrasikan API LLM termasuk OpenAI, Anthropic, dan Google Gemini ke dalam produk perangkat lunak yang ada.

LangChain

LangChain telah memantapkan dirinya sebagai framework yang paling banyak diadopsi untuk membangun aplikasi di atas large language model, menyediakan abstraksi standar untuk pola-pola yang terus berulang dalam pengembangan aplikasi AI generatif, seperti menggabungkan beberapa panggilan ke model bahasa, mengelola template prompt dengan cara yang dapat digunakan kembali dan dipelihara, menghubungkan model bahasa ke sumber data dan alat eksternal, dan mengimplementasikan pipeline generasi yang diperkaya dengan pengambilan yang mendasarkan respons model pada dokumen sumber yang spesifik dan relevan daripada hanya mengandalkan data pelatihan internal model.

Nilai praktis LangChain terletak pada seberapa banyak kode berulang dan kompleksitas integrasi yang diabstraksikan. Membangun sistem RAG dari awal membutuhkan koordinasi beberapa komponen yang berbeda: pipeline pemuatan dan pembagian dokumen, model penyematan untuk mengubah teks menjadi representasi vektor, basis data vektor untuk menyimpan dan mencari penyematan tersebut secara efisien, mekanisme pengambilan untuk menemukan potongan yang paling relevan untuk kueri tertentu, dan strategi pemberian prompt untuk menggabungkan konteks yang diambil dengan pertanyaan pengguna dengan cara yang menghasilkan respons yang akurat dan mendasar. Data perekrutan saat ini menunjukkan bahwa LangChain membutuhkan kemampuan berbahasa Python di sebagian besar lowongan pekerjaan terkait, dan seringkali muncul bersamaan dengan keterampilan infrastruktur seperti kontainerisasi, yang mencerminkan bahwa ini semakin menjadi peran rekayasa produksi daripada pekerjaan pembuatan prototipe eksperimental.

LangGraph

LangGraph mewakili evolusi alami ekosistem LangChain menuju sistem agen yang lebih canggih, yaitu aplikasi di mana model bahasa tidak hanya merespons satu perintah tetapi terlibat dalam penalaran multi-langkah, membuat keputusan tentang alat mana yang akan digunakan dan kapan, dan berpotensi berkoordinasi dengan agen khusus lainnya untuk menyelesaikan tugas-tugas kompleks. Di mana LangChain unggul dalam membangun rantai panggilan LLM linier atau bercabang sedang, LangGraph dirancang khusus untuk merepresentasikan alur kerja yang lebih kompleks, berpotensi siklik, sebagai struktur grafik eksplisit, sehingga memberikan developer kendali yang tepat atas bagaimana agen bergerak di antara berbagai keadaan, kapan ia harus kembali untuk mengumpulkan lebih banyak informasi, dan bagaimana ia harus menangani kondisi kesalahan atau hasil yang tidak terduga.

Lintasan pertumbuhan LangGraph di dalam industri sangat menonjol, dengan data perekrutan menunjukkan bahwa ia semakin dikaitkan dengan peran orkestrasi multi-agen tingkat produksi daripada eksperimen tahap prototipe, dan sering muncul bersamaan dengan framework agen lainnya seperti CrewAI dan AutoGen dalam daftar pekerjaan yang secara khusus berfokus pada pembangunan sistem AI otonom multi-langkah. Gartner memproyeksikan bahwa sebagian besar aplikasi perusahaan akan menampilkan agen AI khusus tugas pada akhir tahun 2026, dan LangGraph telah memposisikan dirinya sebagai lapisan orkestrasi produksi terkemuka untuk sistem berbasis agen semacam ini. Bagi seorang Generative AI Data Scientist, keahlian LangGraph mewakili garda terdepan di bidang ini, yaitu kemampuan untuk merancang dan mengimplementasikan sistem AI yang tidak hanya menghasilkan teks tetapi juga secara aktif merencanakan, menggunakan alat, mempertahankan status di seluruh interaksi multi-langkah, dan pulih dengan baik ketika terjadi kesalahan di tengah-tengah tugas yang kompleks.

Membangun Keterampilan Ini

Bagi seorang data scientist atau calon data scientist yang berupaya membangun profil keterampilan lengkap ini, pendekatan yang paling efektif jarang sekali mempelajari setiap domain secara terpisah dan berurutan. Sebaliknya, jalur pembelajaran terkuat cenderung melibatkan pembangunan proyek nyata dari ujung ke ujung yang memaksa kita untuk menggunakan berbagai domain secara bersamaan, karena itulah pola yang akan kita temui dalam pekerjaan profesional. Sebuah proyek yang dimulai dengan kumpulan data dunia nyata yang benar-benar berantakan, membutuhkan pembersihan data yang bermakna dan visualisasi eksploratif, melibatkan pelatihan dan evaluasi model klasik dan komponen AI generatif, dan menghasilkan aplikasi yang berfungsi — sekecil apa pun — akan mengajarkan kita lebih banyak tentang bagaimana keterampilan ini saling terkait daripada mempelajari dokumentasi setiap pustaka secara terpisah.

Penting juga untuk jujur ​​tentang urutan: komputasi numerik dan fondasi machine learning tetap menjadi landasan tempat kerja AI generatif yang efektif dibangun, bukan seperangkat keterampilan lama yang harus dilewati demi langsung beralih ke panggilan API LangChain dan OpenAI. Data scientist yang melewatkan dasar-dasar statistik dan machine learning dan hanya mempelajari cara memanggil API AI generatif cenderung kesulitan ketika mereka perlu mengevaluasi apakah keluaran sistem generatif benar-benar baik, cenderung kurang memiliki intuisi numerik untuk men-debug perilaku yang tidak terduga, dan cenderung kurang efektif dalam pekerjaan yang semakin penting yaitu menggabungkan kemampuan generatif dengan teknik prediktif dan statistik klasik yang masih dibutuhkan oleh sebagian besar masalah bisnis nyata.

Jadi, peran Generative AI Data Scientist yang muncul saat ini bukanlah pengganti data science tradisional — melainkan perluasan darinya. Alat lingkungan pengembangan VS Code, Jupyter, dan Anaconda menyediakan ruang kerja profesional tempat semua pekerjaan ini berlangsung. Pandas dan Plotly menyediakan kemampuan penting untuk memahami dan berkomunikasi tentang data. Scikit-learn, H2O.ai, dan PyTorch menyediakan fondasi machine learning yang tetap relevan seperti sebelumnya, mulai dari pembelajaran statistik klasik hingga arsitektur deep learning yang mendasari model generatif itu sendiri. NumPy, Statsmodels, dan SciPy menyediakan ketelitian numerik dan statistik yang memisahkan pemahaman sejati dari penggunaan alat kotak hitam. Dan LangChain, LangGraph, dan API OpenAI menyediakan lapisan terbaru dari tumpukan, yaitu alat yang memungkinkan seorang data science membangun aplikasi yang bernalar, mengambil, menghasilkan, dan bertindak.