Deskripsi

Grade ini dirancang khusus bagi kita yang ingin terjun ke dunia data yang seksi dan menjanjikan. Fokus utamanya adalah Pemrograman Python untuk Data Science dan AI. Python adalah bahasa nomor satu di dunia untuk pengolahan data, dan di sini kita akan mengupasnya dari dasar hingga tingkat lanjut.

Kita akan belajar struktur data bawaan Python, kontrol alur (flow control), fungsi, dan modularitas. Namun, daging dari materi ini ada pada penggunaan library raksasa data science: NumPy dan Pandas. Kita akan belajar operasi lanjutan, akses dan seleksi data, hingga teknik data cleaning dan preprocessing yang krusial sebelum data masuk ke model AI.

Persiapannya meliputi instalasi Python dan Jupyter Notebook atau Google Colab. Kita harus siap berkutat dengan baris kode dan angka. Ketelitian dalam melihat anomali data akan sangat dilatih di sini.

Aktivitas kita akan banyak berkutat dengan dataset. Kita akan belajar cara mengambil data mentah yang berantakan, membersihkannya, melakukan transformasi, dan menggabungkannya hingga siap dianalisis. Kita akan membedah teknik manipulasi data yang biasa dilakukan oleh Data Scientist profesional.

Hasil akhirnya? Kita akan memiliki hard skill yang sangat spesifik dan high-demand. Kita akan mampu mengolah data mentah menjadi informasi berharga. Ini adalah gerbang pembuka bagi kita yang ingin berkarir sebagai Data Analyst, Data Scientist, atau AI Engineer.

Apa yang kamu akan dapat?

Sintaks dan struktur data lanjutan dalam bahasa Python.

Manipulasi data menggunakan library NumPy dan Pandas.

Teknik Data Cleaning.

Preprocessing dan Transformasi Data.

Persiapan dataset agar siap digunakan untuk melatih model AI.

Persyaratan Mengikut Kelas

Laptop/PC dengan instalasi Python (Anaconda/Miniconda disarankan).

Code Editor (VS Code) atau Jupyter Notebook.

Familiaritas dasar dengan logika pemrograman sangat disarankan.

Konten Kelas

10 topik • 86 pembelajaran
Persiapan Lingkungan dan Konsep Dasar Python
6 pelajaran • 28.99 menit
Apa itu Python dan perannya dalam Data Science?
Instalasi Python
Install Jupyter Notebook
Variabel, dan Tipe Data Primitif
Operator Dalam Python
Menghapus Elemen List
Mengelola Data dengan Struktur Bawaan Python
18 pelajaran • 35.97 menit
Membuat List
Mengakses Elemen List
Slicing Tipe Data List
Modifikasi Elemen List
Menambahkan Elemen List
Menghapus Elemen List
Membuat Tuple
Mengakses Elemen Tuple
Slicing Pada Tuple
Membuat Dictionary
Mengakses Data Dictionary
Menambah dan Mengubah Data
Menghapus Data Dari Dictionary
Membuat Tipe Data Set
Set Tidak Mengizinkan Duplikasi Elemen
Mengakses Elemen Set
Menambah dan Menghapus Elemen Set
Operasi Set
Kontrol Alur (Flow Control)
15 pelajaran • 36.3 menit
Struktur Dasar If
Menambahkan Else
Menambahkan Elif
Nested If
Perulangan For
Perulangan While
Perintah Break
Perintah Continue
Perintah Pass
Kombinasi Break, Continue, Pass
Struktur dasar List Comprehension
Perbandingan Tanpa List Comprehension dan Dengan List Comprehension
Menambahkan Kondisi Dalam List Comprehension
List Comprehension dari String dan Koleksi
Nested List Comprehension
Fungsi dan Modularitas
4 pelajaran • 23.37 menit
Definisi Dan Pemanggilan Fungsi (def)
Argumentasi Fungsi (Posisi, Kata Kunci, Default, Arbitrary)
Konsep Return dan Docstrings
Pengenalan Lambda Functions dan Modularitas (Import Modules)
Pengenalan Awal Library Data Science
13 pelajaran • 34.02 menit
Pengenalan Library dan Ekosistem Data Science
Instalasi NumPy
Membuat Array NumPy dari List Python
Operasi Dasar Array NumPy
Membuat Matriks di NumPy
Operasi Dasar Matematika Pada Array Matriks 2 Dimensi
Cara Membuat NDArray
Properti Penting NDArray
Operasi Dasar Pada NDArray
Indexing Pada Array
Slicing Pada Array
Reshaping Pada Array
Operasi Aritmatika dan Vektorisasi
Operasi Lanjutan NumPy
5 pelajaran • 18.18 menit
Broadcasting Konsep dan Penerapan dalam Operasi Array
Fungsi Agregasi Pada Array
Contoh Agregasi Berdasarkan Arah
Menyimpan dan Memuat Array
Pengantar Aljabar Linear
Pengenalan Pustaka Pandas
6 pelajaran • 19.03 menit
Apa Itu Pandas, dan Mengapa Penting untuk Data Analysis?
Series dan Dataframe
Contoh Penggunaan Pandas
Struktur Series
Struktur Dataframe
Mengimpor Data dari Berbagai Sumber
Akses Data dan Seleksi
4 pelajaran • 12.24 menit
Akses Kolom dan Baris dalam Dataframe
Pemilihan Data Berbasis Label
Pemilihan Data Berbasis Posisi
Filtering Kondisional
Pembersihan dan Preprocessing Data
6 pelajaran • 20.35 menit
Menyiapkan Dataset
Mengidentifikasi Data Hilang
Strategi Menghapus Data Hilang
Strategi Mengisi Data Hilang
Mengganti Nama Kolom
Menghapus Data Duplikat
Transformasi dan Penggabungan Data
9 pelajaran • 21.77 menit
Operasi Apply
Operasi Map
Operasi Lambda
Pengurutan Data short_values() dan short_index()
Menggabungkan Data Dengan concat()
Inner Join
Left Join
Right Join
Outer Join