0. Proyek Persiapan Pembelajaran Mesin

Kursus ini adalah kumpulan materi terkurasi tentang Machine Learning Terawasi dan Tak Terawasi.

PENTING: Kursus ini menggunakan kembali materi dari dua kursus sebelumnya yang tersedia di profil Udemy saya. Jika Anda telah mengikuti keduanya, harap dicatat bahwa ini adalah versi gabungan dan disusun ulang untuk memberikan pengalaman belajar terpadu tanpa perlu berpindah antar kursus.

1. Proyek Praktis dan Aplikasi Nyata

Proyek 1: A/B Testing pada Lalu Lintas Web

Dalam proyek ini, Anda akan bekerja dengan data lalu lintas web nyata dari sebuah perusahaan untuk mengevaluasi dampak dua versi halaman terhadap tingkat konversi pengguna. Anda akan belajar:

• Membersihkan dan mengeksplorasi data menggunakan Pandas.

• Menerapkan uji statistik seperti uji-t dan pengujian hipotesis untuk membandingkan tingkat konversi.

• Memvisualisasikan hasil dan membuat keputusan berdasarkan data.

• Membuat laporan dengan wawasan praktis untuk mengoptimalkan kinerja situs web.

Proyek 2: Eksplorasi Data Bank untuk Machine Learning

Dalam studi kasus ini, Anda akan menganalisis dataset keuangan yang berisi informasi klien bank untuk mendeteksi pola dan mempersiapkan data untuk model Machine Learning di masa depan. Fokus Anda akan mencakup:

• Pembersihan dan transformasi data menggunakan Pandas dan NumPy.

• Eksplorasi visual dengan Seaborn untuk menemukan tren dan korelasi.

• Menggunakan statistik deskriptif untuk memahami perilaku klien.

• Menyiapkan dataset untuk pemodelan prediktif.

Proyek 3: Analisis Data Asuransi

Anda akan bekerja dengan data perusahaan asuransi untuk mengidentifikasi faktor-faktor utama yang memengaruhi biaya polis dan risiko klien. Anda akan belajar:

• Membersihkan dan mentransformasi data pelanggan dan klaim.

• Menggunakan teknik EDA untuk menemukan tren dan anomali.

• Menggunakan statistik deskriptif dan visualisasi untuk mendukung keputusan.

• Menyiapkan data untuk model risiko prediktif.

Proyek 4: Analisis Data Malware

Dalam proyek ini, Anda akan menganalisis dataset yang berisi informasi malware untuk mendeteksi pola serangan siber dan membantu mencegah kerentanan. Fokus Anda adalah:

• Membersihkan dan menyusun data malware.

• Eksplorasi visual untuk mengidentifikasi fitur yang relevan.

• Menerapkan teknik praproses untuk meningkatkan kualitas data.