🍗 Kurikulum Kursus
- 7 Sections
- 25 Lessons
- 9 Hours
Expand all sectionsCollapse all sections
- 1. Pengantar Ilmu Data4
- 1.1Apa itu Data Science? Definisi, sejarah, dan penerapan di dunia nyata.
- 1.2Siklus Hidup Data Science: Proses pengumpulan, pembersihan, eksplorasi, pemodelan, dan evaluasi data.
- 1.3Alat dan Teknologi: Pengenalan berbagai alat dan teknologi yang digunakan dalam data science (Python, R, SQL, Jupyter Notebook, dll.)
- 1.4Matematika dan Statistik Dasar: Konsep statistik deskriptif, probabilitas, dan inferensi statistik.
- 2. Pemrograman untuk Data Science3
- 3. Pengolahan Data3
- 4. Machine Learning4
- 4.1Konsep Dasar Machine Learning: Pembelajaran terawasi, tidak terawasi, dan penguatan.
- 4.2Algoritma Machine Learning: Regresi linear, regresi logistik, pohon keputusan, random forest, support vector machine, dan neural networks.
- 4.3Evaluasi Model: Metrik evaluasi, overfitting, dan underfitting.
- 4.4Tuning Hyperparameter: Menyetel parameter model untuk mendapatkan kinerja terbaik.
- 5. Deep Learning3
- 6. Visualisasi Data3
- 7. Proyek Akhir5
- 7.1Pemilihan Topik: Peserta memilih topik proyek yang relevan dengan minat mereka.
- 7.2Pengumpulan Data: Mengumpulkan data dari berbagai sumber.
- 7.3Pemrosesan Data: Membersihkan, transformasi, dan eksplorasi data.
- 7.4Pembuatan Model: Membangun dan mengevaluasi model machine learning atau deep learning.
- 7.5Presentasi Hasil: Menyajikan hasil proyek secara jelas dan ringkas.
Apa itu Data Science? Definisi, sejarah, dan penerapan di dunia nyata.
Sebelumnya
Alat dan Teknologi: Pengenalan berbagai alat dan teknologi yang digunakan dalam data science (Python, R, SQL, Jupyter Notebook, dll.)
Berikutnya
