Back
Cover Course Introduction Data Mining
Beginner Free +20 Points

BISA AI Academy

Introduction to Data Mining

Tertarik Mempelajari Data Mining dari Dasar? Daftar Kelas Introduction to Data Mining Hari Ini!

Kursus ini dirancang untuk membantu peserta memahami konsep dasar Data Mining yang menjadi fondasi penting dalam bidang Data Science, Business Intelligence, dan Artificial Intelligence. Materi disusun secara sistematis dan mudah dipahami, mulai dari pengenalan Data Mining, pengolahan data menggunakan Python, hingga visualisasi data untuk mendukung pengambilan keputusan berbasis data.

Beberapa hal yang akan Anda pelajari dalam kursus ini adalah:

  • Konsep dasar dan ruang lingkup Data Mining
  • Penggunaan Python sebagai alat bantu dalam proses Data Mining
  • Pemahaman mengenai data dan atribut dalam analisis data
  • Pengukuran kemiripan dan perbedaan data menggunakan konsep Similarity dan Dissimilarity
  • Normalisasi database untuk mengurangi redundansi dan meningkatkan kualitas data
  • Teknik visualisasi data untuk menyajikan informasi secara lebih efektif
  • Jenis-jenis atribut data yang digunakan dalam Data Mining dan analisis data

Kursus ini sangat cocok bagi pemula yang ingin memahami Data Mining dari dasar, mahasiswa yang ingin memperkuat pemahaman di bidang analisis data, maupun profesional yang ingin menambah keterampilan di era transformasi digital. 

Daftar sekarang dan mulai perjalanan Anda memahami Data Mining sebagai salah satu keterampilan penting di era data saat ini.

Material Author BISA AI Academy

Course Details

About this class

Summary of materials, learning objectives, and class assessment rules.

General Information

Introduction to Data Mining merupakan program pembelajaran yang dirancang untuk memberikan pemahaman dasar mengenai proses penggalian informasi dan pengetahuan dari data. Pada kursus ini, peserta akan mempelajari konsep-konsep fundamental yang menjadi dasar dalam bidang Data Mining, mulai dari pengenalan data, atribut data, pengukuran kemiripan dan perbedaan data, normalisasi database, hingga visualisasi data.

Selain memahami teori, peserta juga akan diperkenalkan dengan penggunaan Python sebagai salah satu bahasa pemrograman yang banyak digunakan dalam pengolahan dan analisis data. Materi disusun secara bertahap sehingga dapat diikuti oleh peserta yang belum memiliki pengalaman sebelumnya di bidang Data Mining maupun pemrograman.

Kursus ini berfokus pada pemahaman konsep dan penerapan dasar yang diperlukan sebelum mempelajari topik Data Mining yang lebih kompleks seperti machine learning, data analytics, dan data science.

Learning Objectives

Setelah mengikuti kursus ini, peserta diharapkan mampu:

  1. Memahami konsep dasar Data Mining, ruang lingkup, serta penerapannya dalam pengolahan dan analisis data.
  2. Menggunakan dasar-dasar Python untuk mendukung proses pengolahan dan analisis data sederhana.
  3. Mengidentifikasi jenis-jenis data dan atribut serta memahami karakteristik masing-masing dalam konteks Data Mining.
  4. Memahami dan menerapkan konsep Similarity and Dissimilarity Data serta normalisasi database untuk meningkatkan kualitas data.
  5. Membuat dan menginterpretasikan visualisasi data yang sesuai untuk menyajikan informasi dan hasil analisis secara efektif.

Specifications

- Komputer yang terinstall python 3 dan jupyter notebook (untuk pengerjaan offline).
- A computer with a browser, internet connection, and a Gmail account to use Google Colaboratory (for online work)

Passing Criteria

Participants are required to take the quiz for each syllabus in the course. The final assignment can be accessed if participants have completed the quiz in each syllabus with a score that meets the minimum passing criteria (KKM) of 70. After participants complete the quizzes and final assignment, they will receive a certificate.

Assessment Scheme

A. Quiz (80%)
The quiz questions in each syllabus consist of multiple-choice questions that participants must answer. A quiz score can be obtained if participants can complete the quiz in each syllabus perfectly. The quiz score for each syllabus will be accumulated at 10%.

B. Final assignment (20%)

The final assignment consists of one analytical question taken from the syllabus. A final assignment score can be obtained if participants successfully complete the final assignment well.