Belajar Analisis Data (Data Analysis), Ilmu Data (Data Science) dan Machine Learning dengan Bahasa R bagi Ahli Statistika (Data Scientist)

Tentang Kelas

Durasi : 566 menit

Deskripsi

Pelatihan ini akan mempelajari seluk beluk dunia data science. Peserta dapat belajar menjadi seorang data scientist atau data analyst. Beberapa teknik yang dibahas pada pelatihan ini adalah pengenalan dunia data science, pengenalan dan tugas seorang data scientist, perbedaan data science dengan data analysis, metode ilmiah, machine learning, deep learning, reinforcement learning, statistical learning, pengenalan bahasa R, serta cara menggunakan R Studio.

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 194:40

1.1.Pengenalan Data Science (video) 07:46

1.2.Perbedaan Data Terstruktur dan Data Tidak Terstruktur (video) 07:35

1.3.Data dan Pengetahuan (video) 08:34

1.4.Metode Ilmiah (video) 09:49

1.5a.Contoh Metode Ilmiah Lain-part1 (video) 08:35

1.5b.Contoh Metode Ilmiah Lain-part2 (video) 06:30

1.6.Pembahasan Metode Ilmiah (video) 07:22

1.7.Algoritma (video) 03:08

1.8.Perbedaan Data Science dan Data Analysis (video) 08:25

1.9a.Contoh Penerapan Data Science-part1 (video) 03:52

1.9b.Contoh Penerapan Data Science-part2 (video) 06:40

1.10.Kesimpulan Data Science (video) 09:57

1.11a.Data Scientist-part1 (video) 04:53

1.11b.Data Scientist-part2 (video) 07:04

1.12a.Tugas Data Scientist-part1 (video) 08:53

1.12b.Tugas Data Scientist-part2 (video) 07:38

1.12c.Tugas Data Scientist-part3 (video) 05:09

1.12d.Tugas Data Scientist-part4 (video) 07:45

1.13a.Pertanyaan Data Scientist-part1 (video) 08:05

1.13b.Pertanyaan Data Scientist-part2 (video) 08:28

1.14.Machine Learning (video) 07:21

1.15.Pembahasan Machine Learning (video) 03:20

1.16.Deep Learning (video) 05:37

1.17.Proses Machine Learning (video) 06:35

1.18.Jenis-Jenis Machine Learning (video) 02:48

1.19.Reinforcement Learning (video) 03:41

1.20a.Statistical Learning-part1 (video) 09:14

1.20b.Statistical Learning-part2 (video) 09:56

2.Berkenalan dengan r 81:01:00

2.1a.Pengenalan Bahasa R-part1 (video) 05:49

2.1b.Pengenalan Bahasa R-part2 (video) 05:16

2.2a.Berkenalan dengan R-part1 (video) 07:49

2.2b.Berkenalan dengan R-part2 (video) 08:02

2.3a.Vector-part1 (video) 02:28

2.3b.Vector-part2 (video) 07:46

2.4.Matriks (video) 06:56

2.5.Operator Matematika (video) 06:36

2.6.Memuat Data Eksternal (video) 07:42

2.7.Menapis Data dengan Kondisi (video) 04:00

2.8a.Memilah (Subsetting) Data-part1 (video) 06:56

2.8b.Memilah (Subsetting) Data-part2 (video) 04:40

2.9.Menggabung Dataframe dengan rbind dan cbind (video) 07:01

3.Perkenalan Machine Learning 178:41:00

3.1.Machine Learning Dasar (video) 09:23

3.2a.Praktik Machine Learning-part1 (video) 09:48

3.2b.Praktik Machine Learning-part2 (video) 09:59

3.3.Pembersihan Data (video) 06:04

3.4.Praktik Pembersihan Data (video) 09:10

3.5a.Penyekalaan Data-part1 (video) 06:38

3.5b.Penyekalaan Data-part2 (video) 08:58

3.6.Train Test (video) 07:13

3.7.Praktik Train Test (video) 08:33

3.8a.Menjalankan Machine Learning-part1 (video) 04:34

3.8b.Menjalankan Machine Learning-part2 (video) 06:19

3.9a.Logistic Regression-part1 (video) 08:19

3.9b.Logistic Regression-part2 (video) 06:55

3.10.k-Nearest Neighbors (kNN) (video) 08:49

3.11.Support Vector Machine (SVM) (video) 06:44

3.12.Decision Tree (video) 08:11

3.13.Random Forest (video) 09:50

3.14.Pertanyaan Algoritma (video) 03:41

3.15a.Mengukur Kinerja Model-part1 (video) 09:02

3.15b.Mengukur Kinerja Model-part2 (video) 08:24

3.15c.Mengukur Kinerja Model-part3 (video) 08:50

3.16.Mencari Threshold Optimal (video) 05:17

3.17.Simulasi di R Studio (video) 08:00

4.Machine Learning Lainnya 111:34

4.1a.Lebih Jauh dengan Machine Learning-part1 (video) 05:49

4.1b.Lebih Jauh dengan Machine Learning-part2 (video) 06:00

4.2a.Simulasi di R Studio I (video) 09:03

4.2b.Simulasi di R Studio II (video) 08:09

4.2c.Simulasi di R Studio III (video) 07:20

4.3.Clustering dengan k-Means (video) 05:31

4.4a.Time Series-part1 (video) 05:21

4.4b.Time Series-part2 (video) 08:47

4.5a.Simulasi Time Series-part1 (video) 04:55

4.5b.Simulasi Time Series-part2 (video) 05:21

4.6a.Association Rule-part1 (video) 05:41

4.6b.Association Rule-part2 (video) 05:44

4.7a.Simulasi Association Rule bagian I-part1 (video) 09:58

4.7b.Simulasi Association Rule bagian I-part2 (video) 09:25

4.8a.Simulasi Association Rule bagian II-part1 (video) 07:02

4.8b.Simulasi Association Rule bagian II-part2 (video) 07:28

Aspek Kompetensi

Aspek Pengetahuan

1. Mampu mengingat 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. Mampu memahami bahasa R dan sintaks-sintaksnya

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

3. Mampu mengaplikasikan jenis-jenis algoritma pada machine learning serta mempraktekkan pada R Studio

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

4. Mampu menganalisis 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. Mendapatkan persepsi mengenai aspek data science secara umum

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

2. Mampu memberikan respon sesuai kebutuhan bisnis ditunjukan dengan dapat menggunakan 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. Secara adaptif 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. Dapat mendemonstrasikan konsep metode ilmiah pada proyek data science

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

2. Mampu mengorganisasikan sintaks-sintaks bahasa R dalam pengembangan pengolahan data

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

3. Memiliki sikap konsisten dalam mengikuti dan mematuhi 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

Jenis Sertifikat

Sertifikat Penyelesaian

Sertifikat Kompetensi Lulus

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

• Langkah 1: Beli pelatihan program Course Net Indonesia di Tokopedia
• Langkah 2: Tunggu agar order menjadi “sukses”
• Langkah 3: Lakukan redeem voucher ke COURSE-NET INDONESIA dengan mengakses url berikut https://coaching.course-net.com/ 
• Langkah 4: Apabila belum memiliki akun, maka peserta harus melakukan Registrasi terlebih dahulu dengan cara klik tombol Register lalu masukkan data yang diminta sebagai Informasi Registrasi, Setelah selesai klik “Register” untuk melanjutkan
• Langkah 5: Akan Muncul notifikasi sukses melakukan registrasi, Selanjutnya silakan cek email untuk verifikasi (jika tidak ada di Inbox, silakan dicek di Spam).
• Langkah 6: Setelah berhasil verifikasi email, Anda akan langsung diarahkan ke halaman Login LMS. Lakukan Login dengan email dan password yang dibuat saat registrasi, kemudian saat berhasil akan masuk ke halaman Home.
• Langkah 7: Masukan Kode Voucher anda pada tempat yang disediakan, Klik tombol Claim.
• Langkah 8: Jika Anda sudah berhasil melakukan redeem voucher, untuk memulai pembelajaran klik menu My Course
• Langkah 9: Jika anda mengalami kesulitan silahkan kunjungi https://prakerja.course-net.com/ atau hubungi team Customer Service Admin Course-Net pada nomor 0812-8114-0833