5.00

Belajar Fundamental Pemrosesan Data

Topik:

AI Machine Learning +2 lainnya

Level: Menengah

Level: Menengah 60 Jam Belajar

1.387

Siswa Terdaftar

Pelajari cara menyiapkan dan memproses data untuk proyek data science dan machine learning menggunakan Python, SQL, dan PostgreSQL.

Belajar Sekarang

Informasi kelas Lihat silabus

Apa yang akan Anda dapatkan

Sertifikat

Dapatkan sertifikat standar industri setelah menyelesaikan kelas ini.

Code Review

Kode yang Anda kerjakan akan di-review secara komprehensif oleh Reviewer.

Forum Diskusi

Diskusikan materi belajar dengan siswa lainnya.

Modul Tutorial

Materi bacaan elektronik disajikan dengan bahasa yang mudah dipahami.

Submission

Uji kemampuan teknis Anda dengan mengerjakan tugas submission.

Kode Interaktif

Modul belajar dalam bentuk video, disertai dengan latihan untuk menguji pemahaman.

Kuis

Kuis pilihan ganda membantu Anda memahami materi yang dipelajari.

Ujian

Validasi pengetahuan Anda dengan mengerjakan soal-soal ujian.

Level Menengah
Memahami konsep dasar secara mendalam dan luas. Di sejumlah kelas mempelajari teknik khusus untuk pemahaman praktis.

Deskripsi

Data adalah elemen krusial dalam data science dan machine learning. Kualitas data yang baik menentukan akurasi model dan keandalan analisis. Kelas ini dirancang untuk membantu Anda menjadi Data Engineer yang mampu menyiapkan data berkualitas menggunakan Python dan PostgreSQL. Materi mencakup prinsip rekayasa perangkat lunak, jenis penyimpanan data, pemrosesan data, serta otomatisasi skrip Python guna meningkatkan efisiensi pengolahan data dalam proyek data science dan machine learning.

Menguasai prinsip software engineering untuk menulis dan mengelola kode Python secara profesional.
Memahami cara menyimpan dan mengelola data dengan repositori yang efisien.
Mengembangkan keterampilan dalam membangun ETL pipelines untuk pengolahan data yang lebih terstruktur.
Meningkatkan efisiensi kerja dengan mengautomasi tugas-tugas berulang menggunakan Python dan Linux Cron Job.

Target dan Sasaran Siswa

Kelas ditujukan bagi praktisi data yang ingin menguasai keahlian dalam memproses dan menyiapkan data berkualitas untuk kebutuhan proyek berbasis data.
Kelas dapat diikuti oleh siswa yang melek IT sehingga wajib memiliki dan dapat mengoperasikan komputer dengan baik.
Sebelum mengikuti kelas ini, Anda diharapkan memiliki pemahaman mendasar tentang bahasa pemrograman Python, SQL, dan proyek berbasis data seperti data analisis.
Siswa harus belajar mandiri, berkomitmen, benar-benar memiliki rasa ingin tahu, dan tertarik pada subjek materi. Sebaik apa pun materi kelas ini tidak akan berguna tanpa keseriusan siswa untuk belajar, berlatih, dan mencoba.
Setelah lulus kelas ini, siswa mampu membuat dataset yang berkualitas melalui berbagai tahapan pemrosesan data menggunakan bahasa pemrograman Python.

Selengkapnya

Sembunyikan

Peralatan Belajar

Spesifikasi minimal perangkat:

Prosesor

Intel Celeron (Rekomendasi Core i3 ke atas).

Tools yang dibutuhkan untuk belajar:

PyCharm IDE

Lihat semua peralatan belajar

Peralatan Belajar

Spesifikasi minimal perangkat

Kelas ini membutuhkan spesifikasi perangkat seperti berikut:

RAM

4GB (Rekomendasi 8GB)

Layar

1366 x 768 (Rekomendasi Full HD 1920 x 1080)

Sistem Operasi

Windows, Linux, MacOS

Prosesor

Intel Celeron (Rekomendasi Core i3 ke atas).

Tools

Kelas ini membutuhkan beberapa tools berikut:

PyCharm IDE

Command Line (Terminal atau cmd)

Web Browser (Google Chrome atau Mozilla Firefox)

Metode Ajar

Online - Self-paced Learning

Total jam belajar: 60 jam.
Rekomendasi waktu belajar: 10 jam per minggu (selesai dalam 42 hari).
Anda tentukan sendiri berapa lama waktu yang akan digunakan untuk belajar materi kelas ini selama masih aktif terdaftar pada kelas.

Fasilitas Pengajaran

Materi bacaan elektronik: Materi akan disajikan dalam bentuk teks dan bacaan.
Forum diskusi: Setiap kelas memiliki sebuah forum diskusi yang dapat Anda gunakan untuk bertanya dan berdiskusi.
Evaluasi pembelajaran: Ujian akhir kelas dan submission akhir membuat ETL pipeline sederhana.

Sertifikat kompetensi

Lihat semua metode ajar

Metode Ajar

Online - Self-paced Learning

Total jam belajar: 60 jam.
Rekomendasi waktu belajar: 10 jam per minggu (selesai dalam 42 hari).
Anda tentukan sendiri berapa lama waktu yang akan digunakan untuk belajar materi kelas ini selama masih aktif terdaftar pada kelas.

Fasilitas Pengajaran

Materi bacaan elektronik: Materi akan disajikan dalam bentuk teks dan bacaan.
Forum diskusi: Setiap kelas memiliki sebuah forum diskusi yang dapat Anda gunakan untuk bertanya dan berdiskusi.
Evaluasi pembelajaran: Ujian akhir kelas dan submission akhir membuat ETL pipeline sederhana.

Sertifikat kompetensi

Kontributor

Curriculum Developer yang membangun kelas ini:

Ridha Ginanjar

Curriculum Developer and Technical Instructor at Dicoding Indonesia

Reviewer

Code Reviewer yang akan me-review tugas dan kode Anda:

Ridha Ginanjar

Curriculum Developer and Technical Instructor at Dicoding Indonesia

Ridha Ginanjar

Google Associate Cloud Engineer Certified

Google Cloud Professional Data Engineer Certified

Lihat semua kontributor dan reviewer

Kontributor & Reviewer

Kontributor kelas

Curriculum Developer yang membangun kelas ini:

Ridha Ginanjar

Curriculum Developer and Technical Instructor at Dicoding Indonesia

Tim Reviewer

Code Reviewer yang akan me-review tugas dan kode Anda:

Ridha Ginanjar

Curriculum Developer and Technical Instructor at Dicoding Indonesia

Ridha Ginanjar

Google Associate Cloud Engineer Certified

Google Cloud Professional Data Engineer Certified

Ridha Ginanjar

Curriculum Developer and Technical Instructor at Dicoding Indonesia

Ridha Ginanjar

Google Associate Cloud Engineer Certified

Google Cloud Professional Data Engineer Certified

Testimoni Siswa

Ribuan siswa sukses belajar di Dicoding Academy. Apa kata mereka? Berikut adalah testimoni asli mereka.

Devi Mikhael Empi

Universitas Gunadarma

Memulai Dasar Pemrograman untuk Menjadi Pengembang Software

Puas sekali dan sangat mudah dipahami oleh pemula yang ingin mengembangkan perangkat lunak

Baca selengkapnya

Muhammad Naufal Farras

Universitas Negeri Semarang

Memulai Dasar Pemrograman untuk Menjadi Pengembang Software

Materi yang disampaikan pada kelas ini sangat informatif dan membantu teman-teman yang saat ini dalam proses belajar dalam dunia pemrograman. Banyak disampaikan juga tips ketika kita telah mulai dalam bekerja, dan itu sangat membantu untuk kedepannya.

Baca selengkapnya

Lihat semua testimoni

Testimoni Siswa

Devi Mikhael Empi

Universitas Gunadarma

Memulai Dasar Pemrograman untuk Menjadi Pengembang Software

Puas sekali dan sangat mudah dipahami oleh pemula yang ingin mengembangkan perangkat lunak

Muhammad Naufal Farras

Universitas Negeri Semarang

Memulai Dasar Pemrograman untuk Menjadi Pengembang Software

Mohammad Chevalier Daniswara

Universitas Pembangunan Nasional Veteran Jawa Timur

Memulai Dasar Pemrograman untuk Menjadi Pengembang Software

Saya sangat senang mengikuti kelas Dasar Pemrograman di Dicoding. Materi yang diajarkan sangat informatif dan struktur pelajarannya sangat mudah dipahami. a. Saya merasa telah memperoleh pemahaman yang kuat tentang dasar Pemrograman berkat kursus ini. Terima kasih Dicoding!

Punya pertanyaan seputar kelas ini?

Berikut adalah beberapa pertanyaan yang paling sering ditanyakan.

Bagaimana cara memasukkan token Academy? Aturan membuat pertanyaan di forum diskusi kelas Bagaimana cara mencetak sertifikat kelulusan kelas?

Lihat semua FAQ

Silabus

Materi yang akan Anda pelajari pada kelas ini.

Persiapan Belajar

Memahami HAKI, mekanisme belajar, forum diskusi, glosarium, dan daftar referensi.

8 Artikel

77 menit

Persetujuan Hak Cipta
2 Menit
Pengenalan Kelas
10 Menit
Prasyarat Kemampuan
10 Menit
Prasyarat Tools
10 Menit
Mekanisme Belajar
10 Menit
Forum Diskusi
20 Menit
Glosarium
10 Menit
Daftar Referensi
5 Menit

Software Engineering dengan Python

Mengimplementasikan praktik rekayasa perangkat lunak menggunakan bahasa pemrograman Python.

10 Artikel
1 Ujian

365 menit

Pengenalan Software Engineering

25 Menit
Prinsip Clean dan Modular Code

30 Menit
Virtual Environment

30 Menit
Latihan: Mengorganisasi Proyek Python

35 Menit
Efisiensi Kode

35 Menit
Dokumentasi yang Efektif

25 Menit
Version Control

25 Menit
Pengujian

50 Menit
Latihan: Membuat Unit Test

60 Menit
Rangkuman Software Engineering dengan Python

30 Menit
Kuis Software Engineering dengan Python

20 Menit

Repositori Data

Menggunakan berbagai penyimpanan data berdasarkan tipe data, format data, dan kebutuhan lainnya seperti data mining.

12 Artikel
1 Ujian

418 menit

Pengenalan Repositori Data

25 Menit
Tipe-Tipe Data

25 Menit
Tipe-Tipe Format Flat File

30 Menit
Spreadsheets

30 Menit
Latihan: Menyimpan Data ke Google Sheets

35 Menit
Basis Data

35 Menit
Relational Database Management Systems (RDBMS)

30 Menit
Latihan: Memasang PostgreSQL

53 Menit
Latihan: Membuat User dan Database pada PostgreSQL

40 Menit
NoSQL

30 Menit
Integrasi Data

35 Menit
Rangkuman Repositori Data

30 Menit
Kuis Repositori Data

20 Menit

ETL Pipelines: Extract

Memecahkan masalah pengumpulan data dengan melalui proses Extract, Transform, dan Load (ETL) pipelines untuk mengambil dan mengenali data yang relevan menggunakan Python.

13 Artikel
1 Ujian

700 menit

Pengenalan ETL Pipelines

25 Menit
Pengenalan Ekstraksi Data

30 Menit
Mengimpor Teks File dengan Fungsi Bawaan Python

50 Menit
Mengimpor Flat File dengan Pandas

40 Menit
Mengimpor Format File Lain dengan Pandas

50 Menit
Mengimpor Data dari Relational Database

60 Menit
Latihan: Terhubung dan Menambahkan Data ke Database PostgreSQL Melalui Python

60 Menit
Latihan: Manipulasi Data dengan SQL Melalui Python

75 Menit
Mengimpor Data dari Internet

30 Menit
Latihan Scraping Data: Mengambil Data dari Internet

80 Menit
Teknik Lanjutan Scraping Data

60 Menit
Latihan Scraping Data: Teknik Lanjutan

90 Menit
Rangkuman ETL Pipelines: Extract

30 Menit
Kuis ETL Pipelines: Extract

20 Menit

ETL Pipelines: Transform dan Load

Memecahkan masalah data kotor dengan melakukan transformasi untuk membersihkan dan mengubah data, serta load untuk menyimpan data dalam proses Extract, Transform, dan Load (ETL) pipelines.