PERHATIAN!

1. Kursus yang dibeli dengan menggunakan Kartu Prakerja tidak dapat dipindahtangankan dan hanya bisa diambil oleh pemegang Kartu Prakerja yang bersangkutan. Kursus yang dipindahtangankan dapat berakibat tidak dikeluarkannya sertifikat penyelesaian dan/atau tidak dibayarkannya insentif oleh Pemerintah.
2. Jika kamu pengguna Kartu Prakerja, harap gunakan nama, alamat email, dan nomor HP yang sama dengan yang kamu gunakan ketika mendaftar Kartu Prakerja.
3. Syarat Kelulusan: Mengakses semua materi belajar, menyelesaikan kuis di setiap perpindahan dari satu sesi/modul ke sesi/modul lainnya (minimum passing grade 80%) dan menyelesaikan tes akhir (minimum passing grade 60%).
4. Kursus yang sudah dibeli/sudah melakukan pembayaran melalui Prakerja atau pembayaran lainnya tidak dapat dibatalkan dan/atau direfund.

Deskripsi:

Di era digital ini, data menjadi inti dalam kelangsungan sebuah bisnis. Kebutuhan akan praktisi data semakin tinggi dalam industri saat ini. Manusia dihadapkan pada melimpahnya data yang bisa didapatkan tanpa menguasai kemampuan untuk ekstraksi informasi di dalamnya. Program ini hadir sebagai solusi yang sangat efisien bagi yang ingin menguasai skill pengolahan data dengan Python. Pada kelas ini, peserta akan belajar semua hal dasar yang dibutuhkan untuk menjadi seorang Analis Database. Program berbasis keterampilan ini ditujukan untuk peserta yang ingin belajar Python dan ingin menerapkan statistik, machine learning, dan visualisasi informasi melalui toolkit python populer seperti pandas, matplotlib, scikit-learning, seaborn, dan banyak lagi untuk mendapatkan wawasan tentang data yang ada. Pada kelas ini, peserta juga akan belajar semua hal tentang Machine Learning yang akan mendukung kemampuan learner di bidang Data Science. Diharapkan setelah mengikuti Online Program ini learner akan menjadi seorang Analis Database yang siap menghadapi dunia kerja di bidang Data Science.

Tujuan Umum:

Lulusan program ini mampu mengembangkan model database dengan Python serta mampu membuat Machine Learning Model untuk memecahkan kasus nyata sesuai dengan standar industri.

Tujuan Khusus:

• Menggunakan fungsionalitas serta fitur dari Python yang digunakan untuk data science untuk mengidentifikasi dan menganalisis dataset
• Memahami Practical Statistics yang digunakan untuk data science untuk menguji dataset
• Membuat Query struktur DataFrame untuk cleaning and processing dataset
• Membuat visualisasi basic hingga advance untuk representasi data
• Membuat Machine Learning features untuk analisa dan pengujian data 
• Menggunakan scikit-learn untuk membuat dan mengevaluasi Machine Learning model
• Mengimplementasikan Supervised dan Unsupervised Learning untuk memecahkan kasus nyata dari dataset yang diberikan
• Berpikir kritis dan analitis serta memiliki kemampuan berkomunikasi secara efektif

Aspek Kompetensi: Pengetahuan (Knowledge):

• Mampu memahami Syntax, data type dari Python
• Mampu memahami Data preparation, handling missing values, serta feature engineering
• Mampu memahami Data Preprocessing dengan Numpy
• Mampu memahami Visualisasi data dengan Pandas
• Mampu memahami Statistika Deskriptif
• Mampu memahami Statistika Inferensial
• Mampu memahami Regresi model dan teknik klasifikasi data dengan Python

Aspek Kompetensi: Keterampilan (Skill):

• Dapat mengimplementasikan konsep syntax dan data type dari Python
• Dapat melakukan data preparation, handling missing values, serta feature engineering
• Dapat membuat visualisasi data dasar dan lanjutan
• Mampu menerapkan statistical treatment terhadap dataset serta mengambil insight
• Mampu membuat machine learning model untuk memecahkan kasus
  

Aspek Kompetensi: Sikap (Attitude): 

• Komunikasi secara efektif
• Berpikir kritis dan analitis
 

Materi Pelatihan:

Sesi 1 - Fundamental Python (106:29)

• Pembukaan dan Perkenalan (Ceramah Interaktif - 0:18) 
• Apa itu Python? (Ceramah Interaktif - 3:15)
• Installasi Ananconda (Latihan/Praktek Langsung - 9:47)
• Pengenalan Python Part 1 (Ceramah Interaktif - 9:50)
• Pengenalan Python Part 2 (Ceramah Interaktif - 9:55)
• Pengenalan Python Part 3 (Ceramah Interaktif - 9:33)
• Pengenalan Python Part 4 (Ceramah Interaktif - 6:02)
• Pengenalan Python Part 5 (Ceramah Interaktif - 7:27)
• Pengenalan Python Part 6 (Ceramah Interaktif - 8:20)
• Percabangan dan Perulangan Part 1 (Ceramah Interaktif - 9:54)
• Percabangan dan Perulangan Part 2 (Ceramah Interaktif - 9:07)
• Percabangan dan Perulangan Part 3 (Ceramah Interaktif - 8:14)

Sesi 2 - Function, Module & Package Python (87:49)

• Pengenalan Function, Module dan Package (Ceramah Interaktif - 9:45)
• Penjelasan dan Live code Function Part 1 (Demonstrasi - 10:00)
• Penjelasan dan Live code Function Part 2 (Demonstrasi - 8:48)
• Penjelasan dan Live code Function Part 3 (Demonstrasi - 7:45)
• Penjelasan dan Live code Function Part 4 (Demonstrasi - 8:47)
• Penjelasan dan Live code Function Part 5 (Demonstrasi - 9:50)
• Penjelasan dan Live code Function Part 6 (Demonstrasi - 9:32)
• Penjelasan dan Live code Function Part 7 (Demonstrasi - 9:28)
• Penjelasan dan Live code Function Part 8 (Demonstrasi - 8:04)
• Penjelasan dan Live code Function Part 9 (Demonstrasi - 5:52)

Sesi 3 - Numpy (83:08)

• Pengenalan Numpy Array (Ceramah Interaktif - 8:16)
• Numpy dan Live Code Part 1 (Demonstrasi - 8:34)
• Numpy dan Live Code Part 2 (Demonstrasi - 7:40)
• Numpy dan Live Code Part 3 (Demonstrasi - 7:43)
• Numpy dan Live Code Part 4 (Demonstrasi - 9:22)
• Numpy dan Live Code Part 5 (Demonstrasi - 8:37)
• Numpy dan Live Code Part 6 (Demonstrasi - 9:11)
• Numpy dan Live Code Part 7 (Demonstrasi - 8:01)
• Numpy dan Live Code Part 8 (Demonstrasi - 7:38)
• Numpy dan Live Code Part 9 (Demonstrasi - 8:13)

Sesi 4 - Pandas (153:40)

• Pengenalan Pandas (Ceramah Interaktif - 9:57)
• Pandas dan Live Code Part 1 (Demonstrasi - 9:15)
• Pandas dan Live Code Part 2 (Demonstrasi - 8:46)
• Pandas dan Live Code Part 3 (Demonstrasi - 9:58)
• Pandas dan Live Code Part 4 (Demonstrasi - 9:58)
• Pandas dan Live Code Part 5 (Demonstrasi - 9:08)
• Pandas dan Live Code Part 6 (Demonstrasi - 9:14)
• Pandas dan Live Code Part 7 (Demonstrasi - 7:27)
• Pandas dan Live Code Part 8 (Demonstrasi - 9:58)
• Pandas dan Live Code Part 9 (Demonstrasi - 8:41)
• Penjelasan Visualisasi Dasar dan Live Code Part 1 (Demonstrasi - 6:56)
• Penjelasan Visualisasi Dasar dan Live Code Part 2 (Demonstrasi - 9:03)
• Penjelasan Visualisasi Dasar dan Live Code Part 3 (Demonstrasi - 9:16)
• Penjelasan Visualisasi Dasar dan Live Code Part 4 (Demonstrasi - 8:15)
• Penjelasan Visualisasi Dasar dan Live Code Part 5 (Demonstrasi - 6:51)
• Penjelasan Visualisasi Dasar dan Live Code Part 6 (Demonstrasi - 7:01)
• Penjelasan Visualisasi Dasar dan Live Code Part 7 (Demonstrasi - 9:50)
• Penjelasan Visualisasi Dasar dan Live Code Part 8 (Demonstrasi - 4:17)

Sesi 5 - Data Visualization (123:22)

• Descriptive Statistics Part 1 (Ceramah Interaktif, Demonstrasi - 9:28)
• Descriptive Statistics Part 2 (Ceramah Interaktif, Demonstrasi - 8:37)
• Descriptive Statistics Part 3 (Ceramah Interaktif, Demonstrasi - 8:42)
• Descriptive Statistics Part 4 (Ceramah Interaktif, Demonstrasi - 6:19)
• Descriptive Statistics Part 5 (Ceramah Interaktif, Demonstrasi - 7:05)
• Descriptive Statistics Part 6 (Ceramah Interaktif, Demonstrasi - 9:48)
• Descriptive Statistics Part 7 (Ceramah Interaktif, Demonstrasi - 8:2)
• Descriptive Statistics Part 8 (Ceramah Interaktif, Demonstrasi - 9:23)
• Descriptive Statistics Part 9 (Ceramah Interaktif, Demonstrasi - 9:21)
• Descriptive Statistics Part 10 (Ceramah Interaktif, Demonstrasi - 8:28)
• Data Visualization Part 1 (Ceramah Interaktif, Demonstrasi - 6:47)
• Data Visualization Part 2 (Ceramah Interaktif, Demonstrasi - 3:59)
• Data Visualization Part 3 (Ceramah Interaktif, Demonstrasi - 9:52)
• Implementasi Descriptive Statistics Part 1 (Latihan/Praktek Langsung - 6:42)
• Implementasi Descriptive Statistics Part 2 (Latihan/Praktek Langsung - 8:23)
• Implementasi Descriptive Statistics Part 3 (Latihan/Praktek Langsung - 2:14)

Sesi 6 - Practical Statistics (126:38)

• Inferential Statistics Part 1 (Ceramah Interaktif, Demonstrasi - 9:57)
• Inferential Statistics Part 2 (Ceramah Interaktif, Demonstrasi - 9:41)
• Inferential Statistics Part 3 (Ceramah Interaktif, Demonstrasi - 9:36)
• Inferential Statistics Part 4 (Ceramah Interaktif, Demonstrasi - 9:07)
• Inferential Statistics Part 5 (Ceramah Interaktif, Demonstrasi - 9:08)
• Inferential Statistics Part 6 (Ceramah Interaktif, Demonstrasi - 8:01)
• Inferential Statistics Part 7 (Ceramah Interaktif, Demonstrasi - 7:20)
• Inferential Statistics Part 8 (Ceramah Interaktif, Demonstrasi - 8:06)
• Inferential Statistics Part 9 (Ceramah Interaktif, Demonstrasi - 8:00)
• Inferential Statistics Part 10 (Ceramah Interaktif, Demonstrasi - 8:20)
• Inferential Statistics Part 11 (Ceramah Interaktif, Demonstrasi - 9:52)
• Inferential Statistics Part 12 (Ceramah Interaktif, Demonstrasi - 8:30)
• Inferential Statistics Part 13 (Ceramah Interaktif, Demonstrasi - 7:08)
• Inferential Statistics Part 14 (Ceramah Interaktif, Demonstrasi - 7:10)
• Inferential Statistics Part 15 & Hypothesis Testing (Ceramah Interaktif, Demonstrasi - 6:50)

Sesi 7 - Machine Learning (91:57)

• Pengenalan Machine Learning (Ceramah Interaktif - 6:58)
• Regression dan Demo Coding Part 1 (Ceramah Interaktif, Demonstrasi - 9:48)
• Regression dan Demo Coding Part 2 (Ceramah Interaktif, Demonstrasi - 6:49)
• Regression dan Demo Coding Part 3 (Ceramah Interaktif, Demonstrasi - 7:29)
• Regression dan Demo Coding Part 4 (Ceramah Interaktif, Demonstrasi - 8:42)
• Regression dan Demo Coding Part 5 (Ceramah Interaktif, Demonstrasi - 6:24)
• Regression dan Demo Coding Part 6 (Ceramah Interaktif, Demonstrasi - 8:21)
• Classification dan Demo Coding Part 1 (Ceramah Interaktif, Demonstrasi - 7:37)
• Classification dan Demo Coding Part 2 (Ceramah Interaktif, Demonstrasi - 6:53)
• Classification dan Demo Coding Part 3 (Ceramah Interaktif, Demonstrasi - 9:16)
• Classification dan Demo Coding Part 4 (Ceramah Interaktif, Demonstrasi - 4:04)
• Classification dan Demo Coding Part 5 (Ceramah Interaktif, Demonstrasi - 7:38)
• Classification dan Demo Coding Part 6 (Ceramah Interaktif, Demonstrasi - 2:05)

Sesi 8 - Review dan Pengerjaan Unjuk Kompetensi (31:00)

• Review Materi Part 1 (Ceramah Interaktif - 6:01)
• Review Materi Part 2 (Ceramah Interaktif - 9:44)
• Review Materi Part 3 (Ceramah Interaktif - 9:16)
• Review Materi Part 4 (Ceramah Interaktif - 7:42)
• Review Materi Part 5 (Ceramah Interaktif - 8:04) 

Target Peserta:

• Pendidikan minimal S1 atau sederajat
• Peserta diharapkan telah memahami kemampuan dasar komputer (web browsing, app installation, file navigating).
• Tidak diperlukan pengalaman pemrograman atau pengembangan aplikasi web apa pun sebelumnya.
• Peserta wajib menggunakan komputer/laptop
• Untuk persyaratan device minimal adalah Processor Core i3 gen 6 / Ryzen gen 1 (recommended: Core i5 gen 6 / Ryzen gen 2), RAM minimum 4GB (recommended: 8GB) dan setidaknya ada 100GB storage available. Disarankan menggunakan Unix atau Linux sebagai Operating System, atau Windows 10 dengan WSL2 Ubuntu 18.04 Kernel

Durasi:

Level:

Basic

Metode Pembelajaran:

 Self Paced Learning: Metode ajar yang digunakan adalah menggunakan kombinasi antara ceramah, studi kasus dan simulasi.

Metode Evaluasi:

1. Pre Test
2. Post Test
3. Formative Test/Kuis
4. Tugas Praktik

Jenis/Klasifikasi Sertifikat:

Peserta yang telah menyelesaikan semua kegiatan pembelajaran akan mendapatkan Sertifikat Penyelesaian jika nilai akhir di bawah 60 dan akan mendapatkan Sertifikat Kompetensi Lulus jika nilai akhir di atas 60.

Sesi Konsultasi:

Via Zoom Setiap Hari Senin Pukul 14.00 - 15.00 WIB

Apa Yang Perlu Kamu Persiapkan?

Kamu hanya perlu mempersiapkan laptop/notebook, tablet, atau smartphone dengan koneksi Internet

Fitur:

• Digital content material: Peserta bisa mengakses material belajar digital selama nya
• Sertifikat penyelesaian: Peserta yang telah menyelesaikan semua kegiatan pembelajaran yang dipersyaratkan dalam kursus online akan menerima Sertifikat Penyelesaian (Certificate of Completion).
• Test akhir: tersedia
• Forum diskusi: tidak tersedia
• Online session: tersedia
• Offline meet-up: tidak tersedia 

Cara Reedem Voucher:

1. Setelah berhasil sign in maka peserta dapat langsung melakukan redeem voucher dengan mengakses link https://pay.kode.id/voucher-redeem atau kamu dapat mengklik button Redeem pada homepage https://kode.id/
2. Peserta dipersilakan untuk memasukkan 12 digit voucher code dan klik button Redeem.
3. Setelah voucher berhasil di redeem, Peserta dapat klik Mulai Belajar untuk langsung belajar di platform KODE
4. Peserta akan mendapat email yang menginformasikan mekanisme dan jadwal kelas yang diikuti.
5. Link/tautan kelas webinar dapat ditemui di email yang dikirimkan oleh tim operasional Hacktiv8
6. Peserta juga akan dikirimkan undangan melalui google calendar