Data Dan AI

Jalur lengkap analisis data dengan R dari dasar bahasa sampai pemodelan statistik dan pelaporan Quarto.

Jalur statistika terapan dari nol: mendeskripsikan data, peluang, distribusi, pensampelan, estimasi, pengujian hipotesis, regresi, hingga Bayesian, dengan simulasi Python sebagai alat utama.

Jalur data science dari pertanyaan pertama sampai penyerahan proyek: perkakas Python, pembersihan data, EDA, statistik, ikhtisar machine learning, dan komunikasi temuan.

Jalur praktis analisis data dari data mentah yang berantakan sampai analisis yang dipahami dan ditindaklanjuti, menggunakan pandas, statistika secukupnya, dan SQL.

Jalur data engineering lengkap: SQL dan Python sebagai inti, format berkas, pemodelan data, pipeline batch, orkestrasi Airflow, transformasi dbt, hingga kualitas data dan platform.

Jalur konsep dan praktik machine learning tabular dengan scikit-learn, dari evaluasi yang jujur hingga gradient boosting dan deployment.

Jalur deep learning dengan PyTorch: fondasi jaringan saraf, disiplin pelatihan, CNN, model sekuens, transformer, sampai pengerjaan proyek nyata.

Jalur berpikir array dengan NumPy: dari pembuatan array, pengindeksan, broadcasting, dan agregasi, sampai aljabar linear, data nyata, dan proyek kinerja.

Jalur analisis data tabular dengan pandas: seleksi, pembersihan, groupby, penggabungan, hingga pipeline siap laporan.

Jalur machine learning klasik dengan scikit-learn: dari kontrak API estimator, praproses dan pipeline, hingga evaluasi yang jujur dan proyek end-to-end.

Jalur deep learning dengan PyTorch: dari tensor dan autograd, perulangan pelatihan yang ditulis manual, hingga CNN, transfer learning, dan deployment model.

Jalur Apache Spark untuk pemrosesan data skala besar dengan PySpark, dari API DataFrame sampai mendiagnosis job yang berjalan lambat pada produksi.

Jalur tutorial Apache Kafka dari mental model log kejadian sampai operasi cluster dan proyek ujung ke ujung.

Jalur lengkap Apache Airflow dari mental model DAG hingga operasi produksi: menulis, menjadwalkan, dan men-debug pipeline data yang dapat dipercaya.

Jalur visualisasi data dari fondasi persepsional dan gramatika grafis hingga kelancaran matplotlib, interaktivitas plotly, pengenalan D3, alat BI, dan penceritaan data yang jujur.

Jalur reinforcement learning dari pembingkaian masalah dan MDP hingga bandit, TD, DQN, gradien kebijakan, dan PPO, dengan agen yang benar-benar dilatih di Gymnasium dan PyTorch.

Jalur pemrosesan bahasa alami klasik pra-LLM: tokenisasi, regex, klasifikasi teks, embedding kata, sampai pipeline production.