
Belajar Data Science dengan Python
Instructor
Arif Kurniawan
Reviews
Instructor
Muhammad Thufeil Andriansyah
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
- Dasar Python untuk Data Science dan Machine Learning
-
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
-
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
-
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
-
-
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
-
-
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
-
- Ensemble Methods
- Kumpulan Studi Kasus