Data Science &
Machine Learning
Seri kuliah komprehensif yang mencakup seluruh alur data science — mulai dari dasar Python dan statistika hingga algoritma machine learning tingkat lanjut hingga deployment ke produksi.
Silabus Mata Kuliah
Pengantar Data Science
Apa itu data science, siklus hidup, peran, alat, dan etika.
Python untuk Data Science
Dasar Python, NumPy, Pandas, dan operasi I/O data.
Dasar-Dasar Statistika
Statistika deskriptif, probabilitas, distribusi, dan uji hipotesis.
Pembersihan & Eksplorasi Data
Membersihkan, mentransformasi, dan mengeksplorasi data.
Visualisasi Data
Prinsip dan praktik dengan Matplotlib, Seaborn, dan Plotly.
Dasar-Dasar Machine Learning
Paradigma ML, alur kerja, evaluasi, dan tradeoff bias-varians.
Supervised Learning
Regresi dan klasifikasi: model linier, pohon, ensemble, SVM.
Unsupervised Learning
Clustering dan reduksi dimensi tanpa label.
Deep Learning & Jaringan Saraf
Jaringan saraf, backprop, CNN, RNN, dan praktik PyTorch.
Deploy Model & MLOps
REST API, Docker, CI/CD, monitoring, dan praktik terbaik.
Prasyarat
Wajib
- • Pengalaman dasar pemrograman (bahasa apa saja)
- • Matematika SMA (aljabar, probabilitas dasar)
- • Rasa ingin tahu dan semangat belajar
Dianjurkan
- • Pengetahuan dasar Python
- • Familiar dengan aljabar linier & kalkulus
- • Pernah menggunakan Jupyter Notebook
Persiapan Lingkungan
Instal alat-alat berikut sebelum memulai Bab 2. Kami merekomendasikan Anaconda untuk instalasi all-in-one.