Pelatihan Data Science dan Machine Learning Dengan Python

Selamat datang di Pelatihan Data Science dan Machine Learning dengan Python.

Pelatihan ini dirancang untuk rekan-rekan yang ingin belajar data science, analisis data, dan machine learning dari sudut pandang terapan menggunakan bahasa pemrograman Python. Materi disusun secara bertahap, mulai dari dasar pemrograman Python, pengolahan data dengan NumPy dan Pandas, visualisasi data, preprocessing dataset, hingga penerapan berbagai algoritma machine learning menggunakan Scikit-Learn.

Course ini cocok untuk pemula yang ingin masuk ke dunia data science, mahasiswa, dosen, praktisi IT, programmer, data analyst pemula, maupun siapa pun yang ingin memahami bagaimana machine learning diterapkan secara praktis dengan Python.

Bagi rekan-rekan yang belum menguasai Python, pelatihan ini juga menyediakan materi dasar pemrograman Python agar peserta dapat mengikuti seluruh praktikum dengan baik. Bagi peserta yang sudah memiliki pengalaman Python, materi awal dapat digunakan sebagai review singkat sebelum masuk ke topik data science dan machine learning.

Seluruh materi disusun secara step-by-step, berurutan, dan berbasis praktik menggunakan notebook. Peserta disarankan mengikuti materi dari awal sampai akhir agar memahami alur lengkap pekerjaan data science, mulai dari membaca data, membersihkan data, melakukan visualisasi, membangun model machine learning, mengevaluasi model, hingga menyimpan dan menggunakan model untuk kebutuhan aplikasi.

Dalam pelatihan ini, rekan-rekan akan mempelajari:

• Persiapan environment untuk data science dan machine learning

• Dasar pemrograman Python

• Python Virtual Environment

• Pengolahan dan analisis data dengan NumPy dan Pandas

• Integrasi NumPy dan Pandas dengan database SQLite

• Visualisasi data dengan Matplotlib, Seaborn, dan Bokeh

• Visualisasi data time series

• Dataset, preprocessing, scaling, dan dimensionality reduction

• Principal Component Analysis atau PCA

• Linear Regression dan berbagai pendekatan regresi

• Classification untuk binary classification, multiclass classification, dan multilabel classification

• Logistic Regression, K-Nearest Neighbors, Naive Bayes, Decision Tree, Support Vector Machine, Neural Network, dan Random Forest

• Clustering dengan K-Means, Hierarchical Clustering, dan Mini-Batch K-Means

• Hyperparameter tuning untuk model machine learning

• Ensemble Methods seperti Bagging, Boosting, Voting, dan Stacking

• Reinforcement Learning

• Automated Machine Learning atau AutoML

• Pengembangan dan deployment proyek machine learning

• Studi kasus data science dan machine learning menggunakan Python

Pelatihan ini juga dilengkapi dengan studi kasus agar peserta tidak hanya memahami teori, tetapi juga dapat melihat bagaimana data science dan machine learning diterapkan pada permasalahan nyata, seperti analisis sentimen, klasifikasi dokumen, telemarketing, prediksi kinerja siswa, dan prediksi risiko kesehatan.

Jika ada hal yang ingin ditanyakan selama mengikuti pelatihan, rekan-rekan dapat menuliskannya di ruang diskusi course. Dengan begitu, peserta lain juga dapat ikut membaca, belajar, dan terlibat dalam diskusi.

Update Course

11 Juni 2026

Pembaruan konten pembelajaran:

• Penambahan quiz pilihan ganda pada hampir seluruh section utama.

• Setiap quiz terdiri dari 3 soal pilihan ganda.

• Quiz dilengkapi dengan jawaban dan pembahasan singkat agar peserta dapat memahami alasan di balik jawaban yang benar.

• Quiz ditambahkan untuk memperkuat pemahaman konsep Python, NumPy, Pandas, visualisasi data, preprocessing, regression, classification, clustering, hyperparameter tuning, ensemble methods, reinforcement learning, AutoML, dan deployment machine learning.

Pembaruan ini bertujuan agar peserta dapat melakukan evaluasi pemahaman secara bertahap setelah menyelesaikan setiap section.

25 Mei 2025

Penambahan konten baru:

• Python Virtual Environment

• Pengembangan dan Deployment Proyek Machine Learning

• Penambahan studi kasus baru

• Pemeriksaan ulang kode program agar dapat berjalan dengan baik pada environment terbaru

30 November 2024

Pembaruan kode program karena perubahan versi runtime. Runtime yang diuji:

• Python 3.12.7

• NumPy 2.1.3

• Pandas 2.2.3

• Seaborn 0.13.2

• Matplotlib 3.9.2

• Scikit-Learn 1.5.2

File notebook yang diperbarui:

• Classification_binary_demo_v3.ipynb

• Classification_multiclass_demo_v2.ipynb

• Classification_multilabel_demo_v2.ipynb

• Data Processing - NumPy-Versi2.ipynb

• seaborn-v2.ipynb

• visual-time-series-v2.ipynb

• Linear Regression -Sklearn-v2.ipynb

• SimpanBaca-Regression-v2.ipynb

• Hyperparameter-v2.ipynb

• ensemble-v2.ipynb

20 September 2024

Penambahan konten:

• Reinforcement Learning

• Automated Machine Learning atau AutoML

• Studi kasus tambahan

16 September 2024

Penambahan konten:

• Visualisasi data dengan Bokeh

Dengan mengikuti pelatihan ini, rekan-rekan diharapkan mampu memahami alur kerja data science dan machine learning secara praktis menggunakan Python, mulai dari pengolahan data, visualisasi, pembuatan model, evaluasi model, hingga penggunaan model machine learning untuk kebutuhan proyek.