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:

Pelatihan ini akan mempelajari seluk beluk dunia data science. Peserta dapat belajar menjadi seorang data scientist atau data analyst. Beberapa teknik yang dibahas pada pelatihan ini adalah pengenalan dunia data science, pengenalan dan tugas seorang data scientist, perbedaan data science dengan data analysis, machine learning, deep learning, pengenalan bahasa R, serta cara menggunakan R Studio.

Tujuan Umum:

Melalui pelatihan ini peserta dapat mempelajari seluk beluk dunia data science, dapat belajar menjadi seorang data scientist atau data analyst, memahami bagaimana seorang menganalisa data dan memahami machine learning sehingga dapat merancang dan membuat suatu projek dengan mampu mencapai minimum 60 untuk scoring mengenai kemampuan menganalisa data menggunakan machine learning pada pengumpulan tugas unjuk keterampilan.

Tujuan Khusus:

1. Memahami apa itu data science, serta tugas seorang data scientist
2. Membedakan data science dengan data analysis
3. Mengenal apa itu Metode Ilmiah, serta pembahasannya
4. Mengenal apa itu machine learning, deep learning, reinforcement learning, statistical learning, serta pembahasan dan jenis-jenis nya.
5. Memahami bahasa R
6. Mengetahui sintaks-sintaks dalam bahasa R serta mempraktekkan dalam R Studio
7. Memahami Time Series serta mempraktekkan dalam R Studio

Aspek Kompetensi:

Pengetahuan:

1. Mengenal data science, perbedaan data science dengan data analysis, tugas seorang data scientist, metode ilmiah, algoritma pada machine learning, deep learning, reinforcement learning, statistical learning.
2. Mengetahui bahasa R dan sintaks-sintaks serta mempraktekkan pada R Studio
3. Mengerti tentang jenis-jenis algoritma pada machine learning
4. Memahami lebih dalam tentang machine learning, time series, association rule

Keterampilan:

1. Memahami aspek data science secara umum
2. Dapat menentukan sintaks-sintaks pada bahasa R secara tepat sesuai masalah yang dihadapi
3. Dapat menentukan algoritma machine learning yang benar untuk data-data yang ingin diolah

Sikap:

1. Teliti dalam mengerjakan metode ilmiah
2. Fokus dalam memahami sintaks-sintaks bahasa R
3. Ikut dan patuh pada standar algoritma pada proses machine learning

Materi Pelatihan:

1. Pembahasan materi
2. Perkenalan Data Science
3. Processing Data
4. Perkenalan Machine Learning
5. Machine Learning Lainnya

Durasi Pelatihan:

Metode Evaluasi:

• PRE-TEST & POST-TEST
• KUIS

Metode Pelatihan:

Daring (Online)

Metode Absensi:

Metode absensi yang digunakan Course-Net, terdapat pada LMS, dengan mencatat kehadiran peserta by sistem. Catatan absensi yang disimpan adalah waktu dimana peserta mengklik tombol attand meeting pada setiap sesi webinar.

Apa yang Perlu Kamu Persiapkan?

• Memiliki gawai/handphone yang terkoneksi internet bagus untuk belajar
• Diharapkan memiliki PC/notebook untuk menginstal aplikasi dan langsung belajar di sistem yang dimiliki peserta

Jadwal Pelatihan:

• 06-02-2023 s.d. 10-02-2023, 
• 13-02-2023 s.d. 17-02-2023,
• 20-02-2023 s.d. 24-02-2023,
• 27-02-2023 s.d. 03-03-2023,
• 06-03-2023 s.d. 10-03-2023,
• 13-03-2023 s.d. 17-03-2023,
• 20-03-2023 s.d. 25-03-2023,
• 27-03-2023 s.d. 31-03-2023,
• 10-04-2023 s.d. 14-04-2023,
• 17-04-2023 s.d. 21-04-2023,
• 01-05-2023 s.d. 05-05-2023,
• 08-05-2023 s.d. 12-05-2023,