Belajar Penerapan Data Science
Teknologi:
Machine Learning DataLevel: Mahir
Siswa Terdaftar
Teknologi:
Machine Learning DataLevel: Mahir
Siswa Terdaftar
Kelas ini merupakan langkah ke-tujuh Anda untuk menjadi Data Scientist.
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.Â
Kelas ini merupakan langkah ke-tujuh Anda untuk menjadi Data Scientist.
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 belajarKelas 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)
Kelas ini membutuhkan beberapa tools berikut:
Teks Editor (VSCode)
PyCharm IDE
Command Line (Terminal atau cmd)
Google Colaboratory
Metode Ajar
Lihat semua metode ajar
Lihat semua metode ajarKontributor
3Curriculum Developer yang membangun kelas ini:
Rahmat Fajri
Data & Machine Learning Engineer
Doni Rubiagatra
Head of Engineering Zero One Group | Google Developer Expert
Reviewer
8Code Reviewer yang akan me-review tugas dan kode Anda:
Nanang Sutisna
- Mobile & Web Enthusiast
- External Code Reviewer at Dicoding Indonesia
Maulana Kavaldo
Interest in data science, analyst, machine learning and cloud computing.
Rahmat Fajri
Data & Machine Learning Engineer
TensorFlow Developer Certified
Lihat semua kontributor dan reviewer
Lihat semua kontributor dan reviewerKontributor kelas
Curriculum Developer yang membangun kelas ini:
Rahmat Fajri
Data & Machine Learning Engineer
Doni Rubiagatra
Head of Engineering Zero One Group | Google Developer Expert
Angel Metanosa Afinda
Curriculum Developer at Dicoding Indonesia
Tim Reviewer
Code Reviewer yang akan me-review tugas dan kode Anda:
Nanang Sutisna
- Mobile & Web Enthusiast
- External Code Reviewer at Dicoding Indonesia
Maulana Kavaldo
Interest in data science, analyst, machine learning and cloud computing.
Rahmat Fajri
Data & Machine Learning Engineer
TensorFlow Developer Certified
Andhar Siraj Munir
Machine Learning and Data Enthusiast
Doni Rubiagatra
Head of Engineering Zero One Group | Google Developer Expert
Nanang Sutisna
- Mobile & Web Enthusiast
- External Code Reviewer at Dicoding Indonesia
Maulana Kavaldo
Interest in data science, analyst, machine learning and cloud computing.
ADIL LATIF HABIBI
External Code Reviewer at Dicoding Indonesia
Rahmat Fajri
Data & Machine Learning Engineer
TensorFlow Developer Certified
Mochamad Rafy Ardhanie
Curriculum Developer at Dicoding Indonesia
Angel Metanosa Afinda
Curriculum Developer at Dicoding Indonesia
Andhar Siraj Munir
Machine Learning and Data Enthusiast
Ribuan siswa sukses belajar di Dicoding Academy. Apa kata mereka? Berikut adalah testimoni asli mereka.
Berikut adalah beberapa pertanyaan yang paling sering ditanyakan.
Materi yang akan Anda pelajari pada kelas ini.
Memahami HAKI, mekanisme belajar, forum diskusi, glosarium, dan daftar referensi.
1 Menit
5 Menit
5 Menit
10 Menit
Forum Diskusi
10 Menit
Glossarium
5 Menit
Daftar Referensi
4 Menit
Menjelaskan tantangan dan teknik dalam mengolah proyek data science.
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
Mengidentifikasi keterampilan teknis yang dibutuhkan untuk menjadi seorang data scientist yang andal.
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
Membangun sebuah business dashboard sebagai wadah untuk mengomunikasikan data
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
Menganalisis segmentasi pelanggan untuk menghasilkan strategi bisnis yang lebih baik.
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
Proyek pertama yang harus diselesaikan untuk melanjutkan materi dari kelas ini.
Submission Pertama: Menyelesaikan Permasalahan Human Resources
300 Menit
Membangun model machine learning untuk mengidentifikasi risiko kredit untuk mencegah kredit macet.
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
Menggunakan PySpark untuk mengolah Big Data secara efisien.
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
Membangun proyek data science dalam environment cloud.
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
Ujian akhir yang harus ditempuh untuk lulus dari kelas ini.
Rangkuman kelas
20 Menit
Ujian Akhir
30 Menit
Proyek akhir yang harus diselesaikan untuk lulus dari kelas ini.
Submission Akhir: Menyelesaikan Permasalahan Institusi Pendidikan
360 Menit