Kursus Data Analytics

Pelajaran 1 • Sumber dan Struktur Data

Meninjau sumber data terstruktur, semi-terstruktur, dan tak terstruktur. Mempersiapkan mahasiswa untuk mengidentifikasi data yang tepat untuk setiap tugas analitik.

Pelajaran 2 • Apa Itu Analitik Data

Mendefinisikan analitik data dan ruang lingkupnya dalam organisasi modern. Menetapkan kosakata yang digunakan di seluruh kursus.

Pelajaran 3 • Etika dan Tata Kelola dalam Analitik

Mencakup prinsip privasi data, risiko bias, dan standar penggunaan yang bertanggung jawab. Mendasari semua pekerjaan teknis selanjutnya dalam praktik etis.

Pelajaran 4 • Jenis Analitik

Membandingkan analitik deskriptif, diagnostik, prediktif, dan preskriptif. Menghubungkan setiap jenis dengan keputusan bisnis nyata.

Pelajaran 1 • Dasar-dasar Pipeline Data

Menjelaskan proses ETL dan ELT serta konsep orkestrasi pipeline. Memberikan model mental kepada mahasiswa untuk perpindahan data otomatis.

Pelajaran 2 • Metode Pengumpulan Data

Meneliti survei, web scraping, sistem transaksional, dan data sensor. Menghubungkan pilihan metode pengumpulan dengan hasil kualitas data.

Pelajaran 3 • Pengantar SQL

Mengajarkan sintaks SQL inti untuk melakukan kueri dan memfilter data. Mendukung langsung tugas ekstraksi data di semua bab selanjutnya.

Pelajaran 4 • Dasar-dasar Basis Data Relasional

Memperkenalkan tabel, kunci, dan relasi dalam basis data relasional. Memungkinkan mahasiswa membaca dan mendesain skema dasar.

Pelajaran 1 • Memahami Kualitas Data

Mendefinisikan akurasi, kelengkapan, konsistensi, dan ketepatan waktu sebagai dimensi kualitas. Menetapkan standar yang digunakan untuk mengukur semua pekerjaan pembersihan.

Pelajaran 2 • Menangani Data Hilang dan Duplikat

Mencakup strategi deteksi dan penanganan untuk nilai null, kosong, dan catatan duplikat. Secara langsung mengurangi bias dan kesalahan dalam analisis hilir.

Pelajaran 3 • Deteksi dan Penanganan Outlier

Memperkenalkan metode statistik dan visual untuk mengidentifikasi outlier. Mengajarkan keputusan berdasarkan konteks tentang mempertahankan atau menghilangkan nilai ekstrem.

Pelajaran 4 • Dasar-dasar Rekayasa Fitur

Mencakup pembuatan variabel baru dari data yang ada untuk meningkatkan daya analitik. Menjembatani bab persiapan data dan pemodelan.

Pelajaran 1 • Perumusan Hipotesis

Mengajarkan cara menerjemahkan pertanyaan bisnis ke dalam hipotesis yang dapat diuji dari temuan EDA. Menghubungkan pekerjaan eksploratori dengan analisis konfirmatori.

Pelajaran 2 • Analisis Univariat

Meneliti distribusi variabel tunggal menggunakan histogram, box plot, dan tabel frekuensi. Membangun keterampilan pengenalan pola yang diterapkan pada analisis multivariat selanjutnya.

Pelajaran 3 • Analisis Bivariat dan Multivariat

Mengeksplorasi relasi antara dua atau lebih variabel menggunakan scatter plot, heatmap, dan tabulasi silang. Mengungkap korelasi dan interaksi dalam data.

Pelajaran 4 • Statistik Deskriptif

Mencakup ukuran tendensi sentral, sebaran, dan bentuk untuk meringkas distribusi. Menyediakan fondasi numerik untuk semua pekerjaan EDA.

Pelajaran 1 • Analisis Korelasi dan Regresi

Memperkenalkan korelasi Pearson dan regresi linier sederhana untuk memodelkan relasi. Menjembatani inferensi statistik dan pemodelan prediktif.

Pelajaran 2 • Pengujian Hipotesis

Mengajarkan uji-t, uji chi-square, dan ANOVA untuk membandingkan kelompok. Menghubungkan keputusan statistik dengan pertanyaan bisnis yang diperkenalkan di EDA.

Pelajaran 3 • Regresi Berganda dan Validasi Model

Memperluas regresi ke beberapa prediktor dan mencakup strategi overfitting dan validasi. Mempersiapkan mahasiswa untuk konsep pembelajaran mesin selanjutnya.

Pelajaran 4 • Dasar-dasar Probabilitas

Mencakup aturan probabilitas, distribusi, dan teorema limit pusat. Menyediakan fondasi matematis untuk semua teknik inferensial.

Pelajaran 1 • Teknik Penceritaan Data

Menerapkan struktur narasi, konteks, dan ketegangan pada presentasi data. Mentransformasi bagan statis menjadi cerita analitik yang persuasif.

Pelajaran 2 • Prinsip Desain Visual

Mencakup atribut pre-attentive, prinsip Gestalt, dan kerangka kerja pemilihan bagan. Menetapkan aturan desain yang diterapkan di setiap visualisasi selanjutnya.

Pelajaran 3 • Jenis Bagan Inti dan Kasus Penggunaan

Membangun kemahiran dengan bagan batang, garis, sebar, pai, dan peta. Menghubungkan setiap jenis bagan dengan pertanyaan analitik yang paling baik dijawabnya.

Pelajaran 4 • Desain Dashboard

Mengajarkan prinsip tata letak, hierarki, dan interaktivitas untuk dashboard multi-bagan. Mempersiapkan mahasiswa untuk membangun dashboard operasional dan eksekutif.

Pelajaran 1 • Konsep Pembelajaran Mesin

Mendefinisikan pembelajaran terawasi, tak terawasi, dan penguatan dengan contoh bisnis. Menetapkan peta konseptual untuk semua pekerjaan pemodelan di bab ini.

Pelajaran 2 • Model Regresi dan Peramalan

Memperluas regresi ke bentuk polinomial dan terregularisasi serta memperkenalkan peramalan deret waktu. Menghubungkan pemodelan prediktif dengan perencanaan operasional.

Pelajaran 3 • Klastering dan Segmentasi

Menerapkan klastering k-means dan hierarkis untuk mensegmentasi pelanggan dan titik data. Memungkinkan penemuan pola tanpa pengawasan tanpa data berlabel.

Pelajaran 4 • Dasar-dasar Seleksi dan Deployment Model

Mencakup validasi silang, penyesuaian hiperparameter, dan konsep deployment model. Mempersiapkan mahasiswa untuk memindahkan model dari notebook ke produksi.

Pelajaran 1 • Pengembangan Peta Jalan Analitik

Memandu mahasiswa melalui pembangunan peta jalan analitik bertahap dengan pencapaian dan rencana sumber daya. Mensintesis semua pembelajaran kursus menjadi hasil strategis.

Pelajaran 2 • Tata Kelola Analitik dan Kualitas Data

Menetapkan struktur tata kelola data, peran kepengurusan, dan standar kualitas secara skala. Memastikan keluaran analitik dapat dipercaya dan sesuai.

Pelajaran 3 • Mengukur ROI Analitik

Mencakup kerangka kerja untuk mengukur dampak keuangan dan operasional proyek analitik. Membangun kasus bisnis untuk investasi analitik berkelanjutan.

Pelajaran 4 • Membangun Budaya Berbasis Data

Membahas manajemen perubahan, program literasi data, dan sponsor eksekutif. Menghubungkan keterampilan analitik individu dengan transformasi organisasi.