Data Analytics with Python for Problem Solving
Temukan pola dan tren dari data dengan Python. Kuasai NumPy, Pandas, visualisasi, dan exploratory data analysis, hingga membangun model prediktif dengan scikit-learn.
Format sumber data, dari CSV dan Excel hingga MySQL
Kurikulum pelatihanPustaka visualisasi: Matplotlib, Seaborn, dan Bokeh
Kurikulum pelatihanAlgoritma machine learning, dari regresi linier hingga SVM
Kurikulum pelatihanDari dasar analisis data hingga model prediktif
Kurikulum pelatihanEkosistem Python yang Anda gunakan selama pelatihan
Ubah data menjadi jawaban atas masalah bisnis
Analisis data menghasilkan nilai dari data kecil maupun besar dengan menemukan pola dan tren baru.
Python adalah salah satu alat paling populer untuk menganalisis data. Anda akan menjelajahi fase dan metodologi analisis data, lalu memakai pustaka modern ekosistem Python untuk membangun alur data yang efisien.
Dimulai dari dasar statistik dan analisis data, Anda mempraktikkan manipulasi, pembersihan, visualisasi, hingga pemodelan data melalui contoh dan studi kasus yang mudah diikuti.
Materi pelatihan Data Analytics with Python
Lima bagian: dasar analisis data, NumPy dan Pandas, EDA dan pembersihan data, regresi, serta klasifikasi.
Konsep dan lingkungan kerja
Memahami proses analisis data dan menyiapkan lingkungan Python.
- Konsep dan proses analisis data. Tahapan dasar dalam menganalisis data.
- KDD, SEMMA, dan CRISP-DM. Metodologi yang umum dipakai dalam proyek analisis data.
- Analisis data dan data science. Perbandingan keduanya dan kapan masing-masing dibutuhkan.
- Python 3, IPython, dan Jupyter. Menyiapkan dan menggunakan lingkungan kerja analisis data.
Mengolah data dengan Python
Manipulasi data menggunakan dua pustaka utama Python.
- NumPy array. Tipe data numerik, view dan copy, serta boolean dan fancy indexing.
- Pandas DataFrame dan Series. Struktur data utama untuk analisis tabular.
- Missing value dan tanggal. Menangani data kosong dan data waktu.
- Pivot table. Meringkas data untuk analisis.
Menjelajahi dan membersihkan data
Visualisasi, membaca berbagai sumber data, dan menangani data kotor.
- Visualisasi data. Matplotlib, visualisasi lanjutan dengan Seaborn, dan visualisasi interaktif dengan Bokeh.
- Membaca dan menyimpan data. CSV, Excel, JSON, tabel HTML, SQLite, dan MySQL.
- Eksplorasi dan penyaringan data. Memahami data dan menghilangkan noise.
- Missing value dan outlier. Menangani data kosong dan nilai ekstrem.
- Persiapan fitur. Feature encoding, scaling, transformation, dan splitting.
Supervised learning untuk regresi
Membangun dan mengevaluasi model regresi.
- Regresi linier. Konsep dan model regresi linier.
- Multicollinearity dan dummy variable. Menangani hubungan antarvariabel dan data kategori.
- Regresi polinomial. Fitting regresi untuk pola yang tidak linier.
- Regresi logistik. Model regresi untuk klasifikasi dengan scikit-learn.
- Evaluasi model regresi. Mengukur kinerja model regresi.
Supervised learning untuk klasifikasi
Membangun dan membandingkan model klasifikasi.
- Konsep klasifikasi. Dasar dan jenis model klasifikasi.
- Naive Bayes dan decision tree. Dua algoritma klasifikasi yang mudah ditafsirkan.
- KNN dan SVM. Klasifikasi berbasis kedekatan data dan batas pemisah.
- Training dan testing. Memisahkan data untuk melatih dan menguji model.
- Evaluasi model klasifikasi. Mengukur kinerja model klasifikasi.
Pelatihan ini cocok untuk
Untuk Anda yang sudah memahami dasar pemrograman Python dan ingin memakainya untuk memecahkan masalah dengan data.
Analis data dan analis bisnis
Temukan pola dan tren yang menjawab pertanyaan bisnis.
- Menerapkan exploratory data analysis
- Membersihkan data dan membuat pivot table
- Membuat visualisasi yang bermakna
Programmer Python
Perluas kemampuan Python Anda ke analisis data.
- Mengolah data dengan NumPy dan Pandas
- Membaca data dari CSV hingga MySQL
- Membangun alur data yang efisien
Calon data scientist
Bangun fondasi machine learning yang kuat.
- Membangun model regresi dan klasifikasi
- Mengevaluasi kinerja model
- Menerapkan metodologi CRISP-DM
Fasilitas pelatihan
Instruktur berpengalaman
Dipandu praktisi yang memahami konteks bisnis.
Sertifikat
Diberikan setelah pelatihan selesai.
Lab praktik
Disediakan untuk kelas yang membutuhkan praktik langsung.
Kelas interaktif
Diskusi dan studi kasus, bukan sekadar ceramah.
Materi mudah diakses
Dapat dibuka dari mana saja.
Pertanyaan yang sering diajukan
Siapa yang cocok mengikuti pelatihan ini?
Analis data dan analis bisnis, programmer Python yang ingin beralih ke analisis data, serta calon data scientist.
Apa prasyarat untuk mengikuti pelatihan ini?
Peserta memahami dasar pemrograman dengan bahasa Python. Pengetahuan dasar tentang data science disarankan.
Berapa lama durasi pelatihan?
Pelatihan berlangsung selama 2 hari.
Pustaka Python apa saja yang digunakan?
NumPy, Pandas, Matplotlib, Seaborn, Bokeh, dan scikit-learn, dengan Jupyter sebagai lingkungan kerja.
Apa itu exploratory data analysis (EDA)?
EDA adalah proses menjelajahi data melalui ringkasan statistik dan visualisasi untuk memahami pola, anomali, dan hubungan antarvariabel sebelum membangun model.
Algoritma machine learning apa saja yang dibahas?
Regresi linier, regresi polinomial, regresi logistik, Naive Bayes, decision tree, KNN, dan SVM, lengkap dengan cara mengevaluasi kinerjanya.
Format pelatihan apa saja yang tersedia?
Online, offline, dan onsite di lokasi organisasi Anda. Pilih format saat mengisi form penawaran.
Bagaimana dengan jadwal dan biaya pelatihan?
Jadwal dan biaya disesuaikan dengan jumlah peserta dan format yang Anda pilih. Kirim permintaan penawaran atau hubungi kami lewat WhatsApp untuk informasi terbaru.
Bekali tim Anda dengan keterampilan analisis data
Kirim kebutuhan Anda dan tim kami akan menyiapkan penawaran pelatihan Data Analytics with Python for Problem Solving sesuai jumlah peserta dan format yang Anda pilih.
