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.

Apa data science itu?

Ilmu data di mana-mana!

Pentingnya ilmu data

Penerapan ilmu data

Asupan harian ilmu data

Ilmu di balik asisten cerdas

Peran dan perangkat dalam ilmu data

Memilih kandidat yang tepat

Peran ilmuwan data

Pengantar Ilmu 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.

Sumber data

Mengurutkan sumber data

Frekuensi asma

Jenis data

Mengklasifikasikan jenis data

Net promoter score

Pelacak aktivitas

Penyimpanan dan pengambilan data

Platform cloud

Melakukan kueri pada basis data

Jenis basis data yang mana?

Saluran Pipa Data

Karakteristik saluran data

Ekstraksi Mengubah Memuat

Pengumpulan dan Penyimpanan Data

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.

Persiapan data

Kebenaran ada di luar sana

Apakah Anda sudah siap?

Analisis Data Eksploratori

EDA Numerik

EDA Visual

Visualisasi

Dasbor interaktif

Meningkatkan dasbor

Persiapan, Eksplorasi, dan Visualisasi

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.

Uji A/B

Membuat alur kerja pengujian A/B

Signifikansi statistik

Hasil sementara

Prakiraan deret waktu

Mengklasifikasikan data deret waktu

Menafsirkan plot deret waktu

Pembelajaran mesin dengan pengawasan

Kapan menggunakan pembelajaran mesin dengan pengawasan

Fitur dan label

Evaluasi Model

Klasterisasi

Dengan Pengawasan vs. Tanpa Pengawasan

Pemilihan jumlah klaster

Selamat!

Eksperimen dan Prediksi

Course Glossary

Apa ilmu data itu, mengapa begitu populer, dan mengapa Harvard Business Review menyebutnya sebagai "pekerjaan terseksi abad ke-21"? Dalam kursus non-teknis ini, Anda akan diperkenalkan pada segala hal tentang bidang yang berkembang pesat dan menarik ini—tanpa perlu menulis satu baris kode pun. Melalui latihan interaktif, Anda akan mempelajari berbagai peran ilmuwan data, topik dasar seperti pengujian A/B, analisis deret waktu, dan pembelajaran mesin, serta cara data ilmuwan mengekstrak pengetahuan dan wawasan dari data dunia nyata. Jadi, jangan gentar dengan banyak istilah yang sedang tren. Mulailah belajar, kembangkan keterampilan di bidang yang sangat dibutuhkan ini, dan temukan alasan mengapa ilmu data untuk semua orang!

Video menyertakan transkrip langsung yang dapat diakses dengan mengklik "Show transcript" di kiri bawah video.

Glosarium kursus dapat ditemukan di sebelah kanan pada bagian sumber daya.

Untuk memperoleh kredit CPE, Anda perlu menyelesaikan kursus dan mencapai skor 70% pada penilaian yang memenuhi syarat. Anda dapat menuju ke penilaian dengan mengklik pemberitahuan kredit CPE di sisi kanan.

Pelajari data science, alasan kepopulerannya, dan cara melakukannya dengan latihan praktis tanpa kode.

Memahami Ilmu Data

Pengantar data science tanpa keterlibatan coding.

Memahami Topik Data

Memilih kandidat yang tepat

Memahami Ilmu Data

Latihan interaktif langsung