Belajar Penerapan Data Science
4.83 •

Data Scientist

Data Scientist

Learning Path

Belajar Penerapan Data Science

Teknologi:

Machine Learning Data
Level: Mahir

Level: Mahir

Level: Mahir 40 Jam Belajar
388

Siswa Terdaftar

Pelajari tools, teknik, dan penerapan data science melalui berbagai studi kasus yang umum dijumpai di industri.
Belajar Sekarang
Informasi kelas Lihat silabus
Learning Path Data Scientist

Kelas ini merupakan langkah ke-tujuh Anda untuk menjadi Data Scientist.

Langkah sebelumnya

Langkah 6
Belajar Pengembangan Machine Learning
40 Jam 4,83 Level Menengah
Apa yang akan Anda dapatkan

Sertifikat

Dapatkan sertifikat standar industri setelah menyelesaikan kelas ini.

Forum Diskusi

Diskusikan materi belajar dengan siswa lainnya.

Modul Tutorial

Materi bacaan elektronik disajikan dengan bahasa yang mudah dipahami.

Submission

Uji kemampuan teknis Anda dengan mengerjakan tugas submission.

Kuis

Kuis pilihan ganda membantu Anda memahami materi yang dipelajari.

Ujian

Validasi pengetahuan Anda dengan mengerjakan soal-soal ujian.
Level Mahir
Menguasai materi dan latihan tingkat lanjut. Kelas ini mensyaratkan sejumlah penguasaan landasan pengetahuan yang baik.
Lihat silabus

Deskripsi

Maraknya penggunaan data pada berbagai bidang mendorong tingginya kebutuhan praktisi data khususnya Data Scientist. Selain itu, hal ini juga mendorong perkembangan tools dan teknik dalam data science yang sangat tinggi. Maka dari itu, kelas ini merupakan jawaban bagi Anda yang ingin memahami tools dan teknik dalam data science melalui berbagai studi kasus yang umum dijumpai di industri sebagai bekal untuk menjadi Data Scientist profesional. 

  • Perkembangan data mendorong tingginya kebutuhan praktisi data khususnya Data Scientist di industri.
  • Untuk menjadi seorang Data Scientist, Anda perlu memahami berbagai tools dan teknik dalam keilmuan data science.
  • Kelas ini mengajarkan Anda penerapan data science untuk menyelesaikan permasalahan bisnis.
  • Pada kelas ini, Anda akan mengerjakan proyek data science end-to-end.
  • Kelas ini menyediakan berbagai studi kasus untuk memberikan Anda gambaran proses pengerjaan proyek data science di industri.

Target dan Sasaran Siswa

  • Kelas ini ditujukan bagi individu yang ingin memahami proses pengerjaan proyek data science sesuai standar industri.
  • Kelas ini dapat diikuti oleh siswa yang melek IT sehingga wajib memiliki dan dapat mengoperasikan komputer dengan baik. 
  • Kelas ini didesain untuk siswa yang sudah memiliki pengetahuan dasar tentang bahasa pemrograman Python, SQL, serta machine learning. 
  • Siswa harus bisa belajar mandiri, berkomitmen, benar-benar punya rasa ingin tahu, dan tertarik pada subjek materi, karena sebaik apa pun materi kelas ini, tidak akan berguna tanpa keseriusan siswa untuk belajar, berlatih, dan mencoba. 
  • Di akhir kelas, siswa mampu membangun proyek data science sesuai dengan tahapan pengembangan proyek data science berdasarkan studi kasus yang dijumpai di industri.
Selengkapnya
Sembunyikan

Learning Path

Kelas ini merupakan langkah ke-tujuh Anda untuk menjadi Data Scientist.

Langkah sebelumnya

Langkah 6
Belajar Pengembangan Machine Learning
40 Jam 4,83 Level Menengah

Peralatan Belajar

Spesifikasi minimal perangkat:

Prosesor

Intel Dual Core (Rekomendasi Core i3 ke atas)

Tools yang dibutuhkan untuk belajar:

Teks Editor (VSCode)

Lihat semua peralatan belajar

Lihat semua peralatan belajar

Peralatan Belajar

Spesifikasi minimal perangkat

Kelas ini membutuhkan spesifikasi perangkat seperti berikut:

RAM

4 GB (Rekomendasi 8 GB)

Layar

1366 x 768 (Rekomendasi Full HD 1920 x 1080)

Sistem Operasi

Windows, Linux, MacOS

Prosesor

Intel Dual Core (Rekomendasi Core i3 ke atas)

Tools

Kelas ini membutuhkan beberapa tools berikut:

Teks Editor (VSCode)

PyCharm IDE

Command Line (Terminal atau cmd)

Google Colaboratory

Metode Ajar

  • Online - Self-paced Learning
    • Total jam belajar : 40 jam
    • Rekomendasi waktu belajar : 10 jam per minggu (selesai dalam 28 hari)
    • Anda tentukan sendiri berapa lama waktu yang akan digunakan untuk belajar materi kelas ini selama masih aktif terdaftar pada kelas
  • Fasilitas Pengajaran
    • Materi bacaan elektronik : Materi akan disajikan dalam bentuk teks dan bacaan
    • Forum diskusi : Setiap kelas memiliki sebuah forum diskusi yang dapat Anda gunakan untuk bertanya dan berdiskusi.
    • Evaluasi pembelajaran : 
      • Ujian akhir kelas
      • Submission (proyek akhir) berupa proyek data science untuk menyelesaikan permasalahan bisnis
    • Sertifikat kompetensi

Lihat semua metode ajar

Lihat semua metode ajar

Metode Ajar

  • Online - Self-paced Learning
    • Total jam belajar : 40 jam
    • Rekomendasi waktu belajar : 10 jam per minggu (selesai dalam 28 hari)
    • Anda tentukan sendiri berapa lama waktu yang akan digunakan untuk belajar materi kelas ini selama masih aktif terdaftar pada kelas
  • Fasilitas Pengajaran
    • Materi bacaan elektronik : Materi akan disajikan dalam bentuk teks dan bacaan
    • Forum diskusi : Setiap kelas memiliki sebuah forum diskusi yang dapat Anda gunakan untuk bertanya dan berdiskusi.
    • Evaluasi pembelajaran : 
      • Ujian akhir kelas
      • Submission (proyek akhir) berupa proyek data science untuk menyelesaikan permasalahan bisnis
    • Sertifikat kompetensi

Kontributor

3

Curriculum Developer yang membangun kelas ini:

Rahmat Fajri

Rahmat Fajri

Data & Machine Learning Engineer

Doni Rubiagatra

Doni Rubiagatra

Head of Engineering Zero One Group | Google Developer Expert

Reviewer

6

Code Reviewer yang akan me-review tugas dan kode Anda:

Doni Rubiagatra
ADIL LATIF HABIBI
Rahmat Fajri
Mochamad Rafy Ardhanie
Angel Metanosa Afinda

Lihat semua kontributor dan reviewer

Lihat semua kontributor dan reviewer

Kontributor & Reviewer

Kontributor kelas

Curriculum Developer yang membangun kelas ini:

Rahmat Fajri

Rahmat Fajri

Data & Machine Learning Engineer

Doni Rubiagatra

Doni Rubiagatra

Head of Engineering Zero One Group | Google Developer Expert

Angel Metanosa Afinda

Angel Metanosa Afinda

Curriculum Developer at Dicoding Indonesia

Tim Reviewer

Code Reviewer yang akan me-review tugas dan kode Anda:

Doni Rubiagatra
ADIL LATIF HABIBI
Rahmat Fajri
Mochamad Rafy Ardhanie
Angel Metanosa Afinda
Nanang Sutisna
Nanang Sutisna

Nanang Sutisna

- Mobile & Web Enthusiast

- External Code Reviewer at Dicoding Indonesia

Doni Rubiagatra

Doni Rubiagatra

Head of Engineering Zero One Group | Google Developer Expert

ADIL LATIF HABIBI

ADIL LATIF HABIBI

External Code Reviewer at Dicoding Indonesia

AWS Certified Cloud Practitioner 

My Linkedin Home Page

Rahmat Fajri

Rahmat Fajri

Data & Machine Learning Engineer

TensorFlow Developer Certified

Mochamad Rafy Ardhanie

Mochamad Rafy Ardhanie

Curriculum Developer at Dicoding Indonesia

Angel Metanosa Afinda

Angel Metanosa Afinda

Curriculum Developer at Dicoding Indonesia

Nanang Sutisna

Nanang Sutisna

- Mobile & Web Enthusiast

- External Code Reviewer at Dicoding Indonesia

Testimoni Siswa

Ribuan siswa sukses belajar di Dicoding Academy. Apa kata mereka? Berikut adalah testimoni asli mereka.

Danar Dono
Danar Dono
Institut Sains dan Teknologi Terpadu Surabaya
Memulai Dasar Pemrograman untuk Menjadi Pengembang Software
Di kelas ini, akan diajarkan bagaimana konsep dasar pemograman. Saya sendiri merasa (seperti mengulas) kembali belajar mata kuliah algoritma 1, namun materinya disampaikan secara interaktif dan menyeyangkan sehingga relatif lebih cepat paham. Terima kasih Dicoding.
Baca selengkapnya
Muhammad Rafli
Muhammad Rafli
Universitas Padjadjaran
Memulai Dasar Pemrograman untuk Menjadi Pengembang Software
Kelas ini benar-benar memberikan pemahaman yang baik tentang pemrograman. Dengan bahasa yang menarik, mudah dipahami, dan sedikit humor, saya selaku orang non-IT dapat memahami kelas ini dengan baik. Terima kasih Dicoding.
Baca selengkapnya

Lihat semua testimoni

Lihat semua testimoni
Silabus
Belajar Sekarang

Silabus

Materi yang akan Anda pelajari pada kelas ini.

  • Pengenalan Proyek Data Science

    15 Menit

  • Tantangan dalam Proyek Data Science

    25 Menit

  • Tahapan dalam Proyek Data Science

    15 Menit

  • Metodologi Manajemen Proyek Data Science

    30 Menit

  • Estimasi Kebutuhan Resource dalam Proyek Data Science

    25 Menit

  • Rangkuman Manajemen Proyek Data Science

    10 Menit

  • Kuis Manajemen Proyek Data Science

    10 Menit

  • Keterampilan yang Dibutuhkan Data Scientist

    20 Menit

  • Penerapan SQL

    40 Menit

  • Python Clean Code

    40 Menit

  • Penggunaan Python untuk Pengolahan Data

    35 Menit

  • Data Storytelling

    35 Menit

  • Machine Learning

    40 Menit

  • Deep Learning

    30 Menit

  • Rangkuman Keterampilan Teknis Data Scientist

    10 Menit

  • Kuis Keterampilan Teknis Data Scientist

    10 Menit

  • Pengenalan Business Dashboard

    25 Menit

  • Pengenalan Metabase

    25 Menit

  • Business Understanding & Penentuan Cakupan Proyek

    35 Menit

  • Data Preparation

    50 Menit

  • Data Visualization

    50 Menit

  • Membuat Business Dashboard

    35 Menit

  • Rangkuman Studi Kasus Membuat Business Dashboard

    10 Menit

  • Kuis Studi Kasus Membuat Business Dashboard

    10 Menit

  • Pengenalan Customer Segmentation Analysis

    15 Menit

  • Business Understanding & Penentuan Cakupan Proyek

    30 Menit

  • Data Preparation

    35 Menit

  • Exploratory Data Analysis

    40 Menit

  • RFM Analysis

    50 Menit

  • Customer Segmentation dengan Machine Learning

    50 Menit

  • Rangkuman Studi Kasus Customer Segmentation Analysis

    10 Menit

  • Kuis Studi Kasus Customer Segmentation Analysis

    10 Menit

  • Submission Pertama: Menyelesaikan Permasalahan Human Resources

    300 Menit

  • Pengenalan Credit Scoring Analytics

    15 Menit

  • Business Understanding & Penentuan Cakupan Proyek

    30 Menit

  • Data Understanding

    50 Menit

  • Data Preprocessing

    55 Menit

  • Modeling

    60 Menit

  • Evaluation

    40 Menit

  • Deployment

    40 Menit

  • Rangkuman Studi Kasus Credit Scoring Analytics

    10 Menit

  • Kuis Studi Kasus Credit Scoring Analytics

    10 Menit

  • Pengenalan PySpark

    30 Menit

  • Pyspark DataFrame

    30 Menit

  • Data Aggregation & Join dengan PySpark

    35 Menit

  • Data Cleansing dengan PySpark

    35 Menit

  • Preprocessing Data dengan PySpark

    30 Menit

  • Latihan Membuat Data Pipeline dengan PySpark

    40 Menit

  • Rangkuman Pengolahan Big Data dengan PySpark

    10 Menit

  • Kuis Pengolahan Big Data dengan PySpark

    10 Menit

  • Pengenalan Cloud Computing

    10 Menit

  • Pengenalan Google Cloud Platform

    20 Menit

  • Pengenalan Google Compute Engine

    10 Menit

  • Latihan Menggunakan Google Compute Engine untuk Menjalankan Data Pipeline

    30 Menit

  • Pengenalan Cloud Run

    10 Menit

  • Latihan Menjalankan Prototype Sistem Machine Learning dengan Cloud Run

    40 Menit

  • Pengenalan Layanan Pengolahan Data dalam GCP

    15 Menit

  • Latihan Menggunakan Layanan Pengolahan Data dalam GCP

    40 Menit

  • Pengenalan Vertex AI Workbench

    15 Menit

  • Latihan Penggunaan Vertex AI Workbench

    40 Menit

  • Rangkuman Implementasi Proyek Data Science dalam Environment Cloud

    10 Menit

  • Kuis Implementasi Proyek Data Science dalam Environment Cloud

    10 Menit

  • Rangkuman kelas

    20 Menit

  • Ujian Akhir

    30 Menit

  • Submission Akhir: Menyelesaikan Permasalahan Institusi Pendidikan

    360 Menit

Dicoding Logo

Dicoding Space
Jl. Batik Kumeli No.50, Sukaluyu,
Kec. Cibeunying Kaler, Kota Bandung
Jawa Barat 40123

Penghargaan

Asean Business Award 2019

Decode Ideas
Discover Potential

Tentang Kami
Blog
Reward
Showcase
Dicoding Elite
Hubungi Kami
FAQ