Belajar Mengembangkan Model Database dengan Python untuk Menjadi Analis Database (Webinar)

Tentang Kelas

Durasi : 15 jam

Deskripsi

Di era digital ini, data menjadi inti dalam kelangsungan sebuah bisnis. Kebutuhan akan praktisi data semakin tinggi dalam industri saat ini. Manusia dihadapkan pada melimpahnya data yang bisa didapatkan tanpa menguasai kemampuan untuk ekstraksi informasi di dalamnya. Program ini hadir sebagai solusi yang sangat efisien bagi yang ingin menguasai skill pengolahan data dengan Python. Pada kelas ini, peserta akan belajar semua hal dasar yang dibutuhkan untuk menjadi seorang Data Scientist. Program berbasis keterampilan ini ditujukan untuk peserta yang ingin belajar python dan ingin menerapkan statistik, machine learning, dan visualisasi informasi melalui toolkit python populer seperti pandas, matplotlib, scikit-learning, seaborn, dan banyak lagi untuk mendapatkan wawasan tentang data yang ada. Pada kelas ini, peserta juga akan belajar semua hal tentang Machine Learning yang akan mendukung kemampuan learner di bidang Data Science. Diharapkan setelah mengikuti Online Program ini learner akan menjadi seorang Data Scientist yang siap menghadapi dunia kerja di bidang Data Science.

Metode Pembelajaran

Webinar

Metode ajar yang digunakan adalah ceramah interaktif, demonstrasi, dan simulasi. Instructor dan peserta diharapkan menggunakan learning management system (LMS) dimana proses belajar mengajar akan mengacu pada konten yang tersedia di LMS tersebut. Pada LMS, akan terdapat konten/material pembelajaran berupa reading, presentasi, assignment/quiz dan projek akhir dimana project merupakan project real-world dan relevan dengan kebutuhan di bidang programming saat ini. Program akan dibawakan dalam Bahasa Indonesia dan komponen pembelajaran adalah 20% teori dan 80% practical learning.

Metode Evaluasi

Efektivitas pelatihan diukur melalui seberapa banyak informasi yang diserap oleh peserta selama pelatihan dalam bentuk kuis di akhir topik dan post test di akhir pembelajaran. Terdapat kuis sebanyak 5 soal di setiap perpindahan dari satu modul ke modul lainnya dengan passing grade 80% dan post test sebanyak 3 paket soal (diacak) dengan passing grade 60%. Jumlah post test adalah sebanyak 60 soal yang dibagi ke dalam 3 paket soal, sehingga masing-masing paket soal berjumlah 20 soal. Di awal pelatihan, peserta akan mendapatkan pre test dengan soal yang sama dengan post test. Di akhir pelatihan, peserta akan diminta untuk mengerjakan tugas praktek.

Tujuan Pembelajaran

Tujuan Umum

Lulusan program ini mampu mengidentifikasi, menganalisis dan mengembangkan model database dengan Python serta mampu membuat Machine Learning Model untuk memecahkan kasus nyata.

Tujuan Khusus

• Menggunakan fungsionalitas serta fitur dari Python yang digunakan untuk data science untuk mengidentifikasi dan menganalisis dataset
• Memahami Practical Statistics yang digunakan untuk data science untuk menguji dataset
• Membuat Query struktur DataFrame untuk cleaning and processing dataset
• Membuat visualisasi basic hingga advance untuk representasi data
• Membuat Machine Learning features untuk analisa dan pengujian data
• Menggunakan scikit-learn untuk membuat dan mengevaluasi Machine Learning model
• Mengimplementasikan Supervised dan Unsupervised Learning untuk memecahkan kasus nyata dari dataset yang diberikan
• Berpikir kritis dan analitis serta memiliki kemampuan berkomunikasi secara efektif

Kurikulum dan Kompetensi

Pertemuan 1:
- Perkenalan konsep data science dan profesi yang berhubungan dengan data science
- Belajar menginstal Python 3 dan Anaconda
- Belajar menggunakan Jupyter Notebook
- Belajar cara menggunakan variabel serta aturan penamaan variabel dalam Python
- Belajar tipe data float & integer dan dapat melakukan konversi tipe data
- Belajar tipe data String dan menguasai operasi pada string seperti penggabungan dan update
- Belajar tipe data List dan menguasai slicing, updating, dan adding data dalam list
- Belajar tipe data Tuple
- Belajar tipe data Dictionary dan dapat mengubah dan menghapus data dalam dictionary
- Belajar tipe data Boolean

Pertemuan 2:
- Memahami apa itu fungsi, cara membuat fungsi, dan pemanggilan fungsi
- Belajar pemanggilan dan penggunaan build-in functions & modules
- Belajar cara menginstal package dan penggunaannya
- Belajar cara membuat virtual environment
- Membuat dan memanggi fungsi sederhana


Pertemuan 3:
- Memahami perbedaan Python list & numpy array, inisialisasi numpy array,
- Belajar membuat array, add, remove, short, shape, reshape
- Mengenal matrix 2D dan memahami konversi matrix 1D ke 2D
- Belajar membuat array baru dengan indexing dan slicing
- Belajar melakukan operasi menggunakan operator matematika pada array
- Belajar statistik dasar dan implementasi formula matematika dengan Numpy

Pertemuan 4:
- Pengenalan, instalasi & import, mengenal data dengan pandas
- Mengenal series, megubah index & values pada series, mengubah dic menjadi series
- Mengenal dataframe, membuat dataframe, mengakses index & values pada dataframe
- Mengakses values pada series, looping, dan menggabungkan series
- Mengakses values pada dataframe, menambahkan kolom, extract kolom
- Belajar menggabungkan & mengelompokkan dua dataframe

Pertemuan 5:
- Perkenalan visualisasi dan matplotlib
- Belajar panduan graphical
- Belajar immigration dataset
- Belajar Implementasi line plot, area plot, histogram, bar chart, pie chart, box plot, scatter plot

Pertemuan 6:
- Belajar Mean, median, modus, geometric mean, harmonic mean, 5 number summary
- Belajar Standar deviasi, mean deviation, variance, range, percentil, quartile
- Belajar memahami skewness & kurtosis
- Belajar Implementasi central tendency & spread/dispersion
- Belajar konsep uji hipotesis, error uji hipotesis, implementasi dengan Python
- Belajar Implementasi shapiro-wilk test, d'agostino's k^2 test, anderson-darling test
- Belajar Implementasi pearson, spearman, kendall, chi-squared test
- Belajar Implementasi student's t-test, paired student's t-test, anova
- Belajar Implementasi mann-whitney u test, wilcoxon signed-rank test, kruskal-wallis h test, friedman test


Pertemuan 7:
- Memahami konsep regression
- Mempelajari linear regression dan implementasinya
- Mempelajari multiple regression dan implementasinya
- Mempelajari polinomial regression dan implementasinya
- Memahami konsep classification
- Mempelajari logistic regression & implementasinya
- Mempelajari KNN & implementasinya
- Memahami teori naive bayes dan implementasinya
- Memahami teori decision tree dan implementasinya
- Memahami implementasi random forest
- Memahami implementasi SVM

Pertemuan 8:
- Penjelasan tugas praktek: Membuat Machine Learning Classification model dari dataset yang diberikan

Aspek Kompetensi

Aspek Pengetahuan

● Python untuk Data Science
● Data Preparation dan Data Preprocessing
● Data Visualization
● Practical Statistics
● Machine Learning

Aspek Keterampilan

● Dapat mengimplementasikan konsep syntax dan data type dari Python
● Dapat melakukan data preparation, handling missing values, serta feature enggineering
● Dapat membuat visualisasi data dasar dan lanjutan
● Mampu menerapkan statistical treatment terhadap dataset serta mengambil insight
● Mampu membuat machine learning model untuk memecahkan kasus

Aspek Sikap

● Berkomunikasi secara efektif
● Berpikir kritis dan analitis

Fasilitas

1. Online Based Learning
2. Ujian/evaluasi
3. Sertifikat digital

Jenis Sertifikat

Sertifikat Penyelesaian

Sertifikat Kompetensi Lulusan

Jadwal Webinar

8x pertemuan
Setiap Rabu dan Jumat pukul 15.00 WIB

Kamu akan mendapat email yang menginformasikan jadwal kelas yang kamu ikuti setelah melalukan redeem.

Jadwal Sesi Konsultasi

Setiap Senin pukul 14.00-15.00 dengan Stefani Kwan, AS, BASc

Instruktur

Stefani Kwan

Stefani Kwan mengawali karir sebagai programmer dengan mengikuti program Full Stack Javascript Bootcamp di Hacktiv8. Stefani terampil menggunakan bahasa pemrograman JavaScript, HTML/CSS, dan Python. Selain itu Stefani juga menguasai Javascript framework Vue, React, React Native, Angular. Saat ini, Stefani Kwan aktif sebagai pengembang kurikulum dan tenaga pengajar di Hacktiv8 Indonesia.

Prastika Indriyanti

Prastika Indriyanti mengawali karir di dunia programming dengan menjadi Asisten Laboratorium di Universitas Mercu Buana sebagai pengajar HTML, PHP, VIBI, Java, Matlab dan 2D/3D Modeling with Blender pad tahun 2013. Kini Prastika aktif sebagai sebagai Kepala Biro Inovasi dan Kerjasama di Universitas Mercu Buana sekaligus dosen di Computer Science Department dengan subjek ajar Math for Data Science, Advance Data Mining, Advance Algorithm, dan Machine Learning.

Syarat dan Ketentuan

• Untuk mengambil program ini, peserta diharpkan telah memahami kemampuan dasar komputer (web browsing, app installation, file navigating).
• Tidak diperlukan pengalaman pemrograman atau pengembangan aplikasi web apa pun sebelumnya.
• Peserta wajib menggunakan komputer/laptop
• Untuk persyaratan device minimal adalah Processor Core i3 (recommended: Core i5), RAM minimum 4GB (recommended: 8GB) dan setidaknya ada 100GB storage available
• Peserta harus menyelesaikan semua materi dan kuis (jika ada).
• Voucher yang sudah dibeli tidak dapat dikembalikan/diuangkan.
• Diakhir program, Peserta akan mendapatkan sertifikat.
• Peserta dapat memberikan review program ini di halaman yang sudah disediakan oleh Tokopedia

Penukaran Kode Voucher

1. Peserta dapat membeli voucher Program di Tokopedia dan Tokopedia akan mengirimkan kode voucher sesuai dengan Program yang dipilih oleh Peserta melalui email.
2. Kunjungi auth.kode.id/signup, lakukan pendaftaran dengan memasukkan semua data yang dibutuhkan.

   

3. Setelah pendaftaran selesai kamu akan mendapatkan email untuk memverifikasi email kamu.
4. Bagi kamu yang sudah memiliki akun di KODE, pastikan kamu sudah sign in terlebih dahulu sebelum melakukan redeem voucher. Jika kamu belum sign in, maka kamu dapat melakukan sign di auth.kode.id/signin

   

5. Setelah sudah berhasil sign in maka kamu dapat langsung melakukan redeem voucher dengan mengakses link pay.kode.id/voucher-redeem atau kamu dapat mengklik button Redeem seperti gambar di bawah ini.

   

6. Silahkan masukkan 12 digit voucher code yang kamu punya dan klik button “Redeem”.

   

7. Setelah voucher berhasil di redeem, Klik “Mulai Belajar” untuk langsung belajar di platform KODE.

   

8. Kamu akan mendapat email yang menginformasikan mekanisme dan jadwal kelas yang kamu ikuti.