banner
banner

Belajar Perancangan, Pengelolaan dan Pemeliharaan Jaringan Komputer bagi Network Specialist (Cisco)

Course-Net

Rp550.000

  1. Kartu Prakerja
  2. Partner
  3. Course-Net
  4. Belajar Perancangan, Pengelolaan dan Pemeliharaan Jaringan Komputer bagi Network Specialist (Cisco)

Mengenai Institusi


Detail Kelas

icon
Kelas Online

Tentang Kelas

Durasi : 566 menit

Deskripsi

Kelas ini mempelajari bagaimana cara memastikan konektivitas jaringan di seluruh LAN/WAN infrastruktur perusahaan, cara melakukan pemeliharaan fasilitas jaringan seperti pengalamatan dan pengaturan komputer pribadi, menentukan alamat IP jaringan dan melakukan simulasi konfigurasi jaringan kompleks. Profesi yang direkomendasikan setelah mengikuti pelatihan ini adalah Administrator Jaringan.

Metode Pembelajaran

Self Paced Learning

Kuota: Tidak Terbatas

Metode Evaluasi

Kuis

Post Test

Tugas Praktek


Tujuan Pembelajaran

Tujuan Umum

Melalui pelatihan ini peserta akan mempelajari seluk beluk dunia data science. Peserta dapat belajar menjadi seorang data scientist atau data analyst. Dengan memahami bagaimana seorang menganalisa data dan memahami machine learning, kita dapat merancang dan membuat suatu projek.

Tujuan Khusus

1. Memahami apa itu data science, serta tugas seorang data scientist

2. Membedakan data science dengan data analysis

3. Mengenal apa itu Metode Ilmiah, serta pembahasannya 

4. Mengenal apa itu machine learning, deep learning, reinforcement learning, statistical learning, serta pembahasan dan jenis-jenis nya.

5. Memahami bahasa R

6. Mengetahui sintaks-sintaks dalam bahasa R serta mempraktekkan dalam R Studio

7. Memahami Time Series serta mempraktekkan dalam R Studio


Kurikulum dan Kompetensi

1.Perkenalan Data Science (Video Pembelajaran) 194:40

- Pengenalan Data Science Perbedaan Data Terstruktur dan Data Tidak Terstruktur 7:46

- Perbedaan Data Terstruktur dan Data Tidak Terstruktur 7:35

- Data dan Pengetahuan 8:34

- Metode Ilmiah 9:49

- Contoh Metode Ilmiah Lain-part1 8:35

- Contoh Metode Ilmiah Lain-part2 6:30

- Pembahasan Metode Ilmiah 7:22

- Algoritma 3:08

- Perbedaan Data Science dan Data Analysis 8:25

- Contoh Penerapan Data Science-part1 3:52

- Contoh Penerapan Data Science-part2 6:40

- Kesimpulan Data Science 9:57

- Data Scientist-part1 4:53

- Data Scientist-part2 7:04

- Tugas Data Scientist-part1 8:53

- Tugas Data Scientist-part2 7:38

- Tugas Data Scientist-part3 5:09

- Tugas Data Scientist-part4 7:45

- Pertanyaan Data Scientist-part1 8:05

- Pertanyaan Data Scientist-part2 8:28

- Machine Learning 7:21

- Pembahasan Machine Learning 3:20

- Deep Learning 5:37

- Proses Machine Learning 6:35

- Jenis-Jenis Machine Learning 2:48

- Reinforcement Learning 3:41

- Statistical Learning-part1 9:14

- Statistical Learning-part2 9:56

2.Berkenalan dengan r (Video Pembelajaran) 81:01

- Pengenalan Bahasa R-part1 5:49

- Pengenalan Bahasa R-part2 5:16

- Berkenalan dengan R-part1 7:49

- Berkenalan dengan R-part2 8:02

- Vector-part1 2:28

- Vector-part2 7:46

- Matriks 6:56

- Operator Matematika 6:36

- Memuat Data Eksternal 7:42

- Menapis Data dengan Kondisi 4:00

-Memilah (Subsetting) Data-part1 6:56

- Memilah (Subsetting) Data-part2 4:40

- Menggabung Dataframe dengan rbind dan cbind 7:01

3 Perkenalan Machine Learning (Video Pembelajaran) 178:41

  

- Machine Learning Dasar 9:23

- Praktik Machine Learning-part1 9:48

- Praktik Machine Learning-part2 9:59

- Pembersihan Data 6:04

- Praktik Pembersihan Data 9:10

- Penyekalaan Data-part1 6:38

- Penyekalaan Data-part2 8:58

- Train Test 7:13

- Praktik Train Test 8:33

- Menjalankan Machine Learning-part1 4:34

- Menjalankan Machine Learning-part2 6:19

- Logistic Regression-part1 8:19

- Logistic Regression-part2 6:55

- k-Nearest Neighbors (kNN) 8:49

- Support Vector Machine (SVM) 6:44

- Decision Tree 8:11

- Random Forest 9:50

- Pertanyaan Algoritma 3:41

- Mengukur Kinerja Model-part1 9:02

- Mengukur Kinerja Model-part2 8:24

- Mengukur Kinerja Model-part3 Mencari Threshold Optimal 8:50

- Mencari Threshold Optimal 5:17

- Simulasi di R Studio 8:00

4 Machine Learning Lainnya (Video Pembelajaran) 111:34

  

- Lebih Jauh dengan Machine Learning-part1 5:49

- Lebih Jauh dengan Machine Learning-part2 6:00

- Simulasi di R Studio I 9:30

- Simulasi di R Studio II 8:09

- Simulasi di R Studio III 7:20

- Clustering dengan k-Means 5:31

- Time Series-part1 5:21

- Time Series-part2 8:47

- Simulasi Time Series-part1 4:55

- Simulasi Time Series-part2 5:21

- Association Rule-part1 5:41

- Association Rule-part2 5:44

- Simulasi Association Rule bagian I-part1 9:58

- Simulasi Association Rule bagian I-part2 9:25

- Simulasi Association Rule bagian II-part1 7:02

- Simulasi Association Rule bagian II-part2 7:28

Aspek Kompetensi

Aspek Pengetahuan

1. Mengenal data science, perbedaan data science dengan data analysis, tugas seorang data scientist, metode ilmiah, algoritma pada machine learning, deep learning, reinforcement learning, statistical learning

materi: (1-Perkenalan Data Science durasi mulai 00:00 s/d 194:40)

2. Mengetahui bahasa R dan sintaks-sintaks serta mempraktekkan pada R Studio

materi: (2-Berkenalan dengan R durasi mulai 00:00 s/d 81:01)

3. Mengerti tentang jenis-jenis algoritma pada machine learning 

materi: (3-Perkenalan Machine Learning durasi mulai 00:00 s/d 178:41)

4. Memahami lebih dalam tentang machine learning, time series, association rule 

materi: (4-Machine Learning Lainnya durasi mulai 00:00 s/d 111:34)

Aspek Keterampilan

1. Memahami aspek data science secara umum 

materi: (1-Perkenalan Data Science durasi mulai 00:00 s/d 194:40)

2. Dapat menentukan sintaks-sintaks pada bahasa R secara tepat sesuai masalah yang dihadapi

materi: (2-Berkenalan dengan R durasi mulai 00:00 s/d 81:01)

3. Dapat menentukan algoritma machine learning yang benar untuk data-data yang ingin diolah

materi: (3-Perkenalan Machine Learning durasi mulai 00:00 s/d 178:41), (4-Machine Learning Lainnya durasi mulai 00:00 s/d 111:34)

Aspek Sikap

1. Teliti dalam mengerjakan metode ilmiah materi: (1-Perkenalan Data Science durasi mulai 00:00 s/d 194:40)

2. Fokus dalam memahami sintaks-sintaks bahasa R

materi: (2-Berkenalan dengan R durasi mulai 00:00 s/d 81:01)

3. Ikut dan patuh pada standar algoritma pada proses machine learning

materi: (3-Perkenalan Machine Learning durasi mulai 00:00 s/d 178:41), (4-Machine Learning Lainnya durasi mulai 00:00 s/d 111:34)


Fasilitas

  1. Ujiaan & Evaluasi
  2. Sertifikat Digital

Jadwal Sesi Konsultasi

Hari: Sabtu Pukul: 18:15 WIB sd 19:15 WIB bersama William Surjadinata


Instruktur

William Surjadinata

William adalah seorang Business Analytics & Data Scientist di PT. Bank Central Asia Tbk., sekaligus sebagai coach di Course-net Indonesia. Sebelumnya kiprah William adalah selama lebih dari 4 tahun di PT. Bank Internasional Indonesia sebagai Business Manager dan terlibat pada CRM Data Warehouse Project. Sertifikasi yang dimiliki William adalah Certified Course-Net Coach (CCC), sebuah sertifikasi resmi yang dikeluarkan oleh Course-Net Indonesia untuk menjamin mutu terbaik coach di tiap pelatihannya.


Syarat dan Ketentuan

1. Pendidikan minimal SMA

2. Memiliki gawai/handphone yang terkoneksi internet bagus, diharapkan peserta memiliki PC/notebook untuk mencoba pelatihan ini secara langsung


Penukaran Kode Voucher

  1. Lakukan redeem voucher menggunakan kode voucher yang tadi muncul ke COURSE NET INDONESIA dengan masukan data diri lengkap di https://newvideo.course-net.com/web/index.php?r=redeem
  2. Setelah berhasil redeem voucher, silahkan ikuti langkah selanjutnya untuk memulai kelas dapat mengakses https://newvideo.course-net.com/web

coupon
Gunakan Kode Promo
Total Pembayaran
Rp550.000