Data mining adalah kegiatan mengekstrak informasi atau pengetahuan (knowledge) penting dari suatu set data berukuran besar dengan menggunakan teknik tertentu untuk memperbaiki pengambilan keputusan. Dalam konsep data mining, perlu juga dipahami tentang data dan attributes. Data merupakan syarat utama untuk melakukan data mining. Tanpa adanya data, data mining tidak dapat dilakukan. Diperlukan juga ukuran kesamaan (similarity) dan ketidaksamaan (dissimilarity) di dalam Data Mining. Dan kemudian semua itu diharapkan mampu diimplementasikan ke dalam bahasa pemrograman Python.
Share Kelas Ini :
Informasi Umum
Pada course ini membahas tentang pengenalan Data Mining yang fokus ke dalam materi Basic Data Mining, Data dan Attributes, Similarity and Dissimilarity Data, Descriptive Statistics, Data Visualization, dan Basic Python for Data Mining. Data Mining ini menjadi salah satu pembahasan paling terkenal saat ini di era industri 4.0. Memahami materi tentang Data Mining ini sangat besar manfaatnya untuk diterapkan di berbagai industri terkait. Dengan mempelajari course ini, peserta telah dibekali kemampuan dan pemahaman yang berguna untuk mendalami profesi data analyst, data scientist, ataupun AI engineer.
Target Pembelajaran
- Peserta mampu memahami teori dan konsep Data Mining.
- Peserta mampu memahami teori dan penerapan konsep data, attributes, similarity objek, dan visualisasi data.
- Peserta mampu mengimplementasikan konsep Data Mining ke dalam bahasa pemrograman Python.
Spesifikasi
- Komputer yang terinstall python 3 dan jupyter notebook (untuk pengerjaan offline).
- Komputer dengan browser, koneksi internet, dan akun gmail agar dapat menggunakan Google Colaboratory (untuk pengerjaan online)
Kriteria Kelulusan
Peserta diwajibkan untuk mengambil kuis dari setiap silabus yang ada di course. Tugas akhir dapat diakses jika peserta telah menyelesaikan kuis di setiap silabus dengan nilai yang memenuhi kriteria ketuntasan minimal (KKM) yaitu 70. Setelah peserta menyelesaikan kuis dan tugas akhir, maka peserta akan mendapatkan sertifikat.
Skema Penilaian
A. Kuis (80%)
Soal kuis di setiap silabus terdiri dari soal-soal pilihan ganda yang harus dijawab oleh peserta. Nilai kuis dapat diperoleh jika peserta dapat menyelesaikan kuis di setiap silabus dengan sempurna. Nilai kuis setiap silabus akan diakumulasikan sebanyak 10 %.
B. Tugas akhir (20%)
Tugas akhir terdiri dari satu soal analisis yang diambil dari silabus. Nilai tugas akhir dapat diperoleh jika peserta berhasil menyelesaikan tugas akhir dengan baik.
Detail Course
-
Penyusun Materi
BISA AI Academy
-
Harga Course
FREE
Pemula
3.5 Jam
745 Siswa
7 Modul
4.7
