thumbnail
Data Science

Belajar Data Science dengan Python

profile
Instructor

Arif Kurniawan

Reviews 0 (0 Reviews)

Course Overview

Kelas khusus untuk belajar data science bagi siswa ekstra Skanawa Data Science Club. Yang akan dipelajari :

  • Mempelajari pengolahan data dan analisa data
  • Visualisasi data
  • Topik Khusus Visualisasi Data Time Series
  • Dataset, Pra-Proses dan Pengurangan Dimensi Feature (Dimensionality Reduction)
  • Ekplorasi beberapa algoritma pada data science dan machine learning
  • Pratikum studi kasus data science dan machine learning
  • Hyperparameter Tuning Untuk Model Machine Learning
  • Ensemble Methods

Course Content

  • Pendahuluan

    • Latar Belakang, Tujuan dan Konten Pelatihan

      00:06:06

    • Persiapan

      00:03:53

    • Cara Penggunaan Notebook

      00:02:31
  • Dasar Python untuk Data Science dan Machine Learning

    • Pendahuluan

      00:01:04

    • Deklarasi Variabel

      00:04:31

    • Memberikan Komentar Pada Kode Program

      00:01:15

    • Print - Menampilkan Data pada Terminal

      00:03:37

    • Pemrograman+Python

  • Pengolahan dan Analisis Data - Numpy dan Pandas

    • Pendahuluan

      00:01:36

    • Numpy Pendahuluan

      00:02:34

    • Numpy Array - Bagian 1

      00:05:54

    • Numpy Array - Bagian 2

      00:06:42

    • Numpy Tipe Data

      00:01:24

    • Numpy Array Indexing - Bagian 1

      00:02:34

    • Numpy Array Indexing - Bagian 2

      00:13:14

    • Numpy Indexing Lanjut

      00:05:12

    • Numpy Operasi Matematika pada Array

      00:03:49

    • Numpy Broadcasting

      00:03:34

    • Pandas Pendahuluan

      00:02:42

    • Pandas Series

      00:01:15

    • Pandas DataFrame

      00:01:12

    • Pandas Baca dan Tulis Data dari File (Dataset)

      00:03:04

    • Pandas Dasar Statistik Pada DataFrame

      00:02:44

    • pandas Menampilkan Data

      00:04:24

    • Pandas Mengambil Data Berdasarkan Pilihan Label

      00:03:37

    • Pandas Boolean Indexing

      00:01:31

    • Pandas Dasar Operasi pada Pandas

      00:03:54

    • Pandas Menangani Data Yang Hilang

      00:03:22

    • Pandas Menggabungkan Data

      00:01:58

    • Pandas Menggabungkan Data dengan Bentuk SQL Query

      00:02:02

    • Pandas Grouping

      00:01:13

    • Pandas Pivot Tables

      00:01:15
  • Topik Khusus - Numpy dan Pandas - Database

    • Python dan Sqlite

      00:01:18

    • Sqlite Driver

      00:01:22

    • Membuat Database Sqlite

      00:03:17

    • Membuat Tabel

      00:02:24

    • Memasukan Data

      00:02:56

    • Membaca Data

      00:01:16

    • Memperbarui Data

      00:02:01

    • Menghapus Data

      00:01:19

    • Database Sqlite dan Pandas Dataframe

      00:02:45

    • Menghapus Tabel dan Tutup Koneksi Database

      00:01:14
  • Visualisasi Data

    • Pendahuluan

      00:00:51

    • Pendahuluan - Matlotlib

      00:01:19

    • Matplotlib cara akses

      00:02:08

    • Matplotib Menggunakan Fungsi Global

      00:03:29

    • Matplotlib Pie Char

      00:01:50

    • Matplotlib Plotting -Defaults

      00:01:37

    • Pendahuluan - Seaborn

      00:01:24

    • Matplotib vs Seaborn

      00:02:30

    • Seaborn Color Palatte

      00:01:38

    • Seaborn Fungsi Replot

      00:02:54

    • Seaborn Histogram

      00:00:56

    • Seaborn Bar Plot

      00:01:41

    • Seaborn Count Plot

      00:02:00

    • Seaborn Point Plot

      00:01:22

    • Seaborn Joint Plot

      00:03:03

    • Seaborn KDE Plot

      00:01:38

    • Seaborn Heatmap

      00:01:17

    • Seaborn Pair Plot

      00:01:34

    • Seaborn Ukuran Gambar dan Subplot

      00:03:07
  • Topik Khusus - Visualisasi Data Time Series

    • Tanggal dan Jam

      00:04:09

    • Timezone

      00:02:53

    • Studi Kasus Menampilkan Emas per Periode

      00:03:40
  • Dataset, Preprocessing dan Pengurangan Dimensi Fitur

    • Pendahuluan

      00:01:09

    • Dataset Data Primer dan Data Sekunder

      00:03:05

    • Pemilihan Data Tranining dan Data Testing Acak

      00:02:22

    • Pemilihan Data Training dan Data Testing K-Fold Cross Validation

      00:01:53

    • Pemilihan Data Tranining dan Data Testing LOOCV

      00:01:17

    • Standarisasi Data (Scaling)

      00:02:25

    • Dimensionality Reduction Principal Component Analysis (PCA)

      00:01:58

    • Dimensionality Reduction Incremental PCA

      00:01:01
  • Permasalahan dan Penyelesaian Kasus Linear Regression

    • Pendahuluan

      00:02:19

    • Apa itu Linear Regression Kapan Menggunakan Solusi Linear Regression

      00:05:40

    • Evaluasi Model Linear Regression

      00:01:30

    • Linear Regression Dengan Python

      00:01:19

    • Statsmodels Ordinary Least Square (OLS)

      00:07:23

    • Statsmodels Weighted Least Squares (WLS)

      00:04:46

    • Scikit-Learn Ordinary Least Square (OLS)

      00:06:48

    • Scikit-Learn Bayesian Regression

      00:04:20

    • Scikit-Learn Support Vector Machine (SVM)

      00:04:37

    • Scikit-Learn Stochastic Gradient Descent (SGD)

      00:03:16

    • Scikit-Learn Nearest Neighbors Regression

      00:03:29

    • Scikit-Learn Ridge Regression

      00:03:24

    • Scikit-Learn Decision Trees Regrission

      00:03:11

    • Menyimpan dan Membaca Hasil Model Regresi Linier

      00:03:00
  • Permasalahan dan Penyelesaian Kasus Klasifikasi

    • Pendahuluan

      00:03:30

    • Implementasi Classification Dengan Python

      00:02:32

    • BInary Classification Logistic Regression - Bagian 1

    • Binary Classification Logistic Regression - Bagian 2

      00:02:17

    • Binary Classification Logistic Regression - Bagian 3

      00:10:21

    • Binary Classification K-Nearest Neighbors

      00:06:34

    • Binary Classification Naive Bayes

      00:05:18

    • Binary Classification Decision Trees

      00:05:09

    • Binary Classification Support Vector Machine (SVM)

      00:05:05

    • Binary Classification Neural Network

      00:04:33

    • Studi Kasus Credit Approval Perbandingan Binary Classifier

      00:06:23

    • Multiclass Classification Pendahuluan

      00:02:22

    • Multiclass Classification Logistic Regression

      00:07:01

    • Multiclass Classification Nearest Neighbors

      00:05:11

    • Multiclass Classification Naive Bayes

      00:04:01

    • Multiclass Classification Decision Tree

      00:03:27

    • Multiclass Classification Support Vector Machine

      00:03:52

    • Multiclass Classification Neural Network

      00:04:56

    • Multiclass Classification Random Forest

      00:03:48

    • Studi Kasus Segmentasi Konsumen Komporasi Multiclass Classifier (Bagian 1)

      00:02:57

    • Studi Kasus Segmentasi Konsumen Komporasi Multiclass Classifier (Bagian 2)

      00:06:24

    • Studi Kasus Segmentasi Konsumen Komporasi Multiclass Classifier (Bagian 3)

      00:05:59

    • Multilabel Classification Pendahuluan

      00:03:27

    • Multilabel Classification Logistic Regression

      00:03:58

    • Multilabel Classification Nearest Neighbors

      00:03:11

    • Multilabel Classification Naive Bayes

      00:02:21

    • Multilabel Classification Decision Tree

      00:02:31

    • Multilabel Classification Support Vector Machine

      00:02:06

    • Multilabel Classification Neural Network

      00:02:18

    • Multilabel Classification Random Forest

      00:02:11

    • Menyimpan dan Membaca Hasil Model Klasifikasi

  • Hyperparameter Tuning untuk Model Machine Learning

    • Pendahuluan

      00:02:19

    • Hyperparameter Tuning Untuk Support Vector Machine

      00:04:21

    • Hyperparameter Tuning Untuk Logistic Regression

      00:04:21

    • Hyperparameter Tuning Untuk Nearest Neighbors

      00:04:09

    • Hyperparameter Tuning Untuk Naive Bayes

      00:03:40

    • Hyperparameter Tuning Untuk Decision Trees

      00:04:59

    • Hyperparameter Tuning Untuk Neural Network

      00:05:36

    • Hyperparameter Tuning Untuk Random Forest

      00:03:33
  • Permasalahan dan Penyelesaian Kasus Clustering

    • Pendahuluan Unsupervised Learning dan Clustering

      00:02:27

    • K-Means Clustering

      00:04:21

    • Hierarchical Clustering

      00:02:37

    • Angglomerative Hierarchical

      00:04:00

    • Mini-Batch K-Means Clustering

      00:02:24

    • Mencari Nilai K Pada Means Dengan Metode Elbow

      00:02:47

    • Mencari Nilai K Pada K-means Dengan Mini-Batch K-Means Clustering

      00:04:49
  • Ensemble Methods

    • Mengenal Ensemble Method

      00:03:12

    • Bagging

      00:06:35

    • Boosting

      00:05:27

    • Voting

      00:03:42

    • Stacking

      00:01:47
  • Kumpulan Studi Kasus

    • Klasifikasi Dokumen

      00:03:41

    • Analisa Sentimen

      00:03:42
Free
  • Lessons 139
  • Enrolled 34
  • Language Indonesia
  • Skill Beginner
  • Available Seats 166
  • Last Update 14 Agustus 2024
Copyright © 2024 Pakar-If. All Rights Reserved.
Tema Cassions oleh FRT