Data Science dalam Satu Minggu
Menguasai Dasar-dasar Data Science dengan Cepat & Efisien dalam satu minggu! Kursus Dirancang untuk Orang Sibuk
4.81 (72 reviews)
336
students
10 hours
content
May 2023
last update
$19.99
regular price
What you will learn
Melakukan analisis statistik pada jenis data yang anda akan temukan di dunia nyata
Memahami strategi dan tools untuk melakukan rekayasa fitur (feature engineering)
Menerapkan One-Hot Encoding dan normalisasi data
Memahami perbedaan antara normalisasi dan standardisasi data
Menangani data yang hilang (missing value) menggunakan Pandas
Mengubah tipe data pada Pandas DataFrame
Mendefinisikan fungsi dan menerapkannya pada kolom di Pandas DataFrame
Menerapkan berbagai operasi dan pemfilteran pada Pandas DataFrame
Menghitung dan menampilkan peta panas (heatmap) dari matriks korelasi
Melakukan visualisasi data menggunakan Seaborn dan Matplotlib
Membuat plot garis tunggal, diagram lingkaran, dan beberapa subplot menggunakan Matplotlib
Membuat pairplot, countplot, dan peta panas (heatmap) dari matriks korelasi menggunakan Seaborn
Membuat distribusi plot (distplot), histogram dan grafik sebar (scatter plot)
Memahami dasar-dasar regresi dalam Machine Learning
Memelajari cara mengoptimalkan parameter model menggunakan metode Jumlah Kuadrat Terkecil (least sum of squares)
Melakukan pemisahan data latih dan uji menggunakan SKLearn
Membuat visualisasi data dan melakukan analisis data eksploratif
Membangun, melatih, dan menguji model regresi pertama-mu di Scikit-Learn
Mengukur kinerja model regresi Machine Learning yang telah dilatih
Memahami teori dan intuisi di balik algoritma boosting
Melatih algoritma XG-boost di Scikit-Learn dalam konteks pemodelan regresi
Melatih beberapa model klasifikasi Machine Learning seperti Logistic Regression, Support Vector Machine, K-Nearest Neighbors, dan Random Forest Classifier
Mengukur performa model yang telah dilatih menggunakan berbagai Key Performance Indicators (KPI) seperti akurasi, presisi, recall, skor F1, AUC, dan ROC.
Melakukan perbandingan kinerja model klasifikasi menggunakan berbagai KPI.
Menerapkan AutoGluon untuk menyelesaikan masalah jenis regresi dan klasifikasi
Menggunakan AutoGluon untuk membangun model AI/ML hanya dengan beberapa baris kode
Menampilkan plot performa berbagai model di papan peringkat model
Mengoptimalkan hyperparameter model regresi dan klasifikasi menggunakan SK-Learn
Pelajari perbedaan antara berbagai strategi pengoptimalan hyperparameter seperti grid search, random search, dan Bayesian optimization.
Melakukan pengoptimalan hyperparameter menggunakan Scikit-Learn.
Memahami bias-variance trade-off serta regularisasi L1 dan L2
Course Gallery
Charts
Students
Price
Rating & Reviews
Enrollment Distribution
Related Topics
5191294
udemy ID
03/03/2023
course created date
20/05/2023
course indexed date
Bot
course submited by