Belajar Penerapan Data Science
4.87
Data Scientist

Learning Path

Belajar Penerapan Data Science

Teknologi:

Machine Learning Data
Level: Mahir
Level: Mahir 40 Jam Belajar
457

Siswa Terdaftar

Pelajari tools, teknik, dan penerapan data science melalui berbagai studi kasus yang umum dijumpai di industri.
Learning Path Data Scientist

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

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.

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.

Learning Path

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 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:

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

Doni Rubiagatra

Head of Engineering Zero One Group | Google Developer Expert

ADIL LATIF HABIBI

ADIL LATIF HABIBI

External Code Reviewer at Dicoding Indonesia

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

Silabus

Materi yang akan Anda pelajari pada kelas ini.

  • 15 Menit

  • 25 Menit

  • 15 Menit

  • 30 Menit

  • 25 Menit

  • 10 Menit

  • 10 Menit

  • 20 Menit

  • 40 Menit

  • 40 Menit

  • 35 Menit

  • 35 Menit

  • 40 Menit

  • 30 Menit

  • 10 Menit

  • 10 Menit

  • 25 Menit

  • 25 Menit

  • 35 Menit

  • 50 Menit

  • 50 Menit

  • 35 Menit

  • 10 Menit

  • 10 Menit

  • 15 Menit

  • 30 Menit

  • 35 Menit

  • 40 Menit

  • 50 Menit

  • 50 Menit

  • 10 Menit

  • 10 Menit

  • 300 Menit

  • 15 Menit

  • 30 Menit

  • 50 Menit

  • 55 Menit

  • 60 Menit

  • 40 Menit

  • 40 Menit

  • 10 Menit

  • 10 Menit

  • 30 Menit

  • 30 Menit

  • 35 Menit

  • 35 Menit

  • 30 Menit

  • 40 Menit

  • 10 Menit

  • 10 Menit

  • 10 Menit

  • 20 Menit

  • 10 Menit

  • 30 Menit

  • 10 Menit

  • 40 Menit

  • 15 Menit

  • 40 Menit

  • 15 Menit

  • 40 Menit

  • 10 Menit

  • 10 Menit

  • 20 Menit

  • 30 Menit

  • 360 Menit