Curriculum Vitae
Minan Abdillah
Fokus di bidang Data dan AI dengan pengalaman langsung dalam analisis data, machine learning, serta membangun data pipeline yang skalabel. Terampil menggunakan Python dan SQL, dengan keahlian mencakup analisis statistik, pengembangan model, hingga alur kerja data engineering. Terbiasa menggunakan alat seperti Power BI, Airflow, dan teknologi big data, serta berpengalaman dalam mengubah data mentah menjadi insight yang dapat ditindaklanjuti dan sistem yang andal, sekaligus selalu belajar dan berkembang untuk menghadirkan solusi yang berdampak.
Juni 2025
UNIVERSITAS ISLAM SULTAN AGUNG SEMARANG
S1 • Teknik Informatika • IPK 3.78
September 2024
Data Scientist
PT Telekomunikasi Indonesia (Persero) Tbk • Magang
Mengembangkan crawler otomatis menggunakan Selenium, Requests, BeautifulSoup, dan Tmux untuk mengumpulkan data dari sekitar 120 sumber web, termasuk JDIH, JDIHN, dan BPK, dengan total 92.789 dokumen dalam 4 bulan. Memantau serta memastikan kualitas proses ETL melalui Kibana hingga berhasil menambahkan 2.751.870 data poin, serta melakukan pelabelan dan klasifikasi 1.213 data poin ke dalam tiga kategori sentimen (positif, netral, negatif) beserta kelas emosinya.
Media
Mei 2024
IBM data Science
IBM • X5KL7SPJJM98
Pelatihan dan sertifikasi online Data Science oleh IBM melalui platform cousera. Mempelajari tentang data science, data analytics, dan sebagainya
Media
Desember 2023
Data Science
Hacktiv8 • PYTN
Pelatihan "Introduction to Python for Data Science" ini diselenggarakan oleh PT. Hacktivate Teknologi Indonesia dalam program Studi Independen MSIB Angkatan 5, berlangsung dari tanggal 18 Agustus hingga 30 Desember 2023, di mana peserta berhasil menguasai penggunaan fungsionalitas Python untuk data science (60 jam, nilai capaian 100), memahami Practical Statistics untuk data science (94 jam, nilai capaian 80), mampu melakukan query struktur DataFrame untuk cleaning and processing dataset (200 jam, nilai capaian 85), menggunakan scikit-learn untuk membuat dan mengevaluasi model machine learning (300 jam, nilai capaian 88), serta mengimplementasikan Supervised dan Unsupervised Learning untuk memecahkan kasus nyata (300 jam, nilai capaian 90).