Ilmu data di mana-mana!

Lumen Learning Lab membuat tur interaktif singkat agar peserta didik baru dapat melihat bagaimana ilmu data hadir dalam kehidupan sehari-hari.

Buka setiap penghentian dan perhatikan tempat di mana model memberi peringkat, memprediksi, menentukan rute, atau menandai risiko—bukan sekadar tempat penyimpanan informasi.
Hubungkan apa yang Anda baca dengan bagaimana organisasi mengubah data menjadi tindakan yang bermanfaat.

Lalu jawab pertanyaan di bawah ini. Bagaimana ilmu data menciptakan nilai dalam kehidupan sehari-hari kita?

Latihan ini merupakan bagian dari kursus

Memahami Ilmu Data

Lihat Kursus

Latihan interaktif langsung

Ubah teori menjadi aksi dengan salah satu latihan interaktif kami

Mulai latihan

Latihan ini merupakan bagian dari kursus

Memahami Ilmu Data

SkillTag.level.beginnerSkillTag.label

4.8+

7745 reviews

Mulai Kursus Gratis

Kita akan memulai kursus dengan mendefinisikan apa itu ilmu data. Kita akan membahas alur kerja ilmu data dan bagaimana ilmu data diterapkan pada masalah dunia nyata. Kita akan menutup bab ini dengan mempelajari berbagai peran dalam bidang ilmu data.

Exercise 1: Apa data science itu?Exercise 2: Ilmu data di mana-mana!

Latihan Saat Ini

Exercise 3: Pentingnya ilmu data Exercise 4: Penerapan ilmu data Exercise 5: Asupan harian ilmu data Exercise 6: Ilmu di balik asisten cerdas Exercise 7: Peran dan perangkat dalam ilmu data Exercise 8: Memilih kandidat yang tepat Exercise 9: Peran ilmuwan data

Sekarang setelah kita memahami alur kerja ilmu data, kita akan mendalami langkah pertama: pengumpulan dan penyimpanan data. Kita akan mempelajari berbagai sumber data yang dapat Anda gunakan, seperti apa bentuk data tersebut, cara menyimpan data setelah dikumpulkan, dan bagaimana sebuah saluran pipa data dapat mengotomatisasi prosesnya.

Exercise 1: Sumber data Exercise 2: Mengurutkan sumber data Exercise 3: Frekuensi asma Exercise 4: Jenis data Exercise 5: Mengklasifikasikan jenis data Exercise 6: Net promoter score Exercise 7: Pelacak aktivitas Exercise 8: Penyimpanan dan pengambilan data Exercise 9: Platform cloud Exercise 10: Melakukan kueri pada basis data Exercise 11: Jenis basis data yang mana?Exercise 12: Saluran Pipa Data Exercise 13: Karakteristik saluran data Exercise 14: Ekstraksi Mengubah Memuat

Persiapan data adalah hal yang mendasar, ilmuwan data menghabiskan 80% waktunya untuk membersihkan dan memanipulasi data, dan hanya 20% waktunya untuk benar-benar menganalisis data. Bab ini akan menunjukkan cara mendiagnosis masalah dalam data Anda, menangani nilai hilang dan pencilan. Anda kemudian akan mempelajari visualisasi, alat penting lainnya untuk mengeksplorasi data sekaligus menyampaikan temuan Anda.

Exercise 1: Persiapan data Exercise 2: Kebenaran ada di luar sana Exercise 3: Apakah Anda sudah siap?Exercise 4: Analisis Data Eksploratori Exercise 5: EDA Numerik Exercise 6: EDA Visual Exercise 7: Visualisasi Exercise 8: Dasbor interaktif Exercise 9: Meningkatkan dasbor

Dalam bab terakhir ini, kita akan membahas eksperimen dan prediksi! Dimulai dengan eksperimen, kita akan membahas pengujian A/B, lalu berlanjut ke prakiraan deret waktu di mana kita akan mempelajari cara memprediksi kejadian di masa depan. Terakhir, kita akan menutup dengan pembelajaran mesin, membahas pembelajaran mesin yang diawasi dan pengelompokan.

Exercise 1: Uji A/B Exercise 2: Membuat alur kerja pengujian A/B Exercise 3: Signifikansi statistik Exercise 4: Hasil sementara Exercise 5: Prakiraan deret waktu Exercise 6: Mengklasifikasikan data deret waktu Exercise 7: Menafsirkan plot deret waktu Exercise 8: Pembelajaran mesin dengan pengawasan Exercise 9: Kapan menggunakan pembelajaran mesin dengan pengawasan Exercise 10: Fitur dan label Exercise 11: Evaluasi Model Exercise 12: Klasterisasi Exercise 13: Dengan Pengawasan vs. Tanpa Pengawasan Exercise 14: Pemilihan jumlah klaster Exercise 15: Selamat!