KodingData - Platform E-Learning Data Science

Fitur	KodingData Pilihan Terbaik	Platform Lain
Praktek langsung di browser	✓	✕
Expected Output & Feedback Challenge	✓	✕
Materi Bahasa Indonesia	✓	✕
Mudah dimengerti dan lengkap all-in-one	✓	✕
Terdapat sertifikat penyelesaian	✓	✓

Kenalan dengan Python

Memulai perjalanan coding dengan Python. Seperti bertemu teman baru, kita akan berkenalan dengan Python dan memahami mengapa bahasa ini begitu disukai oleh jutaan programmer di dunia.

Sub-bab yang akan dipelajari:

• Hello World - Ucapan Pertamamu! (+10)
• Perkenalkan Dirimu (+10)

Progress: 0%

Variabel - Kotak Penyimpan Data

Memahami variabel sebagai tempat penyimpanan data. Seperti memberi label pada kotak-kotak penyimpanan.

Sub-bab yang akan dipelajari:

• Biodata Diri (+15)
• Kalkulator Sederhana (+15)

Progress: 0%

Tipe Data - Jenis-Jenis Informasi

Memahami berbagai tipe data di Python: angka, teks, boolean.

Sub-bab yang akan dipelajari:

• Identifikasi Tipe Data (+20)
• Konversi Data (+20)

Progress: 0%

Operator - Melakukan Perhitungan

Belajar operator aritmatika, perbandingan, dan logika.

Sub-bab yang akan dipelajari:

• Hitung Luas Persegi Panjang (+15)
• Cek Genap/Ganjil (+20)

Progress: 0%

Input - Menerima Data dari User

Membuat program interaktif dengan fungsi input().

Sub-bab yang akan dipelajari:

• Sapa Pengguna (+15)
• Kalkulator Umur (+20)

Progress: 0%

Kondisi If-Else - Membuat Keputusan

Belajar membuat program yang bisa mengambil keputusan berdasarkan kondisi tertentu.

Sub-bab yang akan dipelajari:

• Cek Bilangan Positif/Negatif (+20)
• Grade Nilai (+25)

Progress: 0%

Perulangan For - Mengulang Pekerjaan

Belajar mengulang kode secara efisien dengan perulangan for.

Sub-bab yang akan dipelajari:

• Hitung 1 sampai 10 (+20)
• Jumlahkan Angka (+25)
• Cetak Bilangan Ganjil (+30)

Progress: 0%

Perulangan While - Loop Kondisional

Belajar perulangan yang berjalan selama kondisi tertentu terpenuhi.

Sub-bab yang akan dipelajari:

• Countdown 5 ke 1 (+20)
• Hitung Sampai 100 (+25)

Progress: 0%

List - Kumpulan Data Terorganisir

Belajar menyimpan banyak data dalam satu variabel dengan list.

Sub-bab yang akan dipelajari:

• Buat dan Cetak List (+20)
• Jumlahkan List Angka (+25)
• Cari Nilai Maksimum (+30)

Progress: 0%

Function - Membuat Kode yang Reusable

Belajar membuat fungsi untuk mengorganisir kode dan membuatnya lebih efisien.

Sub-bab yang akan dipelajari:

• Fungsi Sapa (+20)
• Fungsi Kali Dua (+25)
• Fungsi Cek Genap (+30)

Progress: 0%

Dictionary - Penyimpanan Data Key-Value

Belajar menyimpan data dengan pasangan kunci-nilai untuk akses yang lebih fleksibel.

Sub-bab yang akan dipelajari:

• Buat Dictionary Biodata (+25)
• Hitung Rata-rata Nilai (+30)
• Loop Dictionary (+30)

Progress: 0%

Tuple & Set - Tipe Data Khusus

Belajar tuple (data yang tidak bisa diubah) dan set (kumpulan data unik).

Sub-bab yang akan dipelajari:

• Buat Tuple Koordinat (+20)
• Hapus Duplikat dari List (+25)
• Set Intersection (+30)

Progress: 0%

String Methods - Manipulasi Teks

Menguasai berbagai method untuk memanipulasi dan mengolah string.

Sub-bab yang akan dipelajari:

• Uppercase String (+20)
• Hitung Kata (+25)
• Split dan Join (+30)

Progress: 0%

File Handling - Bekerja dengan File

Belajar membaca dan menulis file untuk menyimpan data permanen.

Sub-bab yang akan dipelajari:

• Tulis ke File (+25)
• Baca File (+25)
• Append ke File (+30)

Progress: 0%

Exception Handling - Menangani Error

Belajar menangani error dengan graceful agar program tidak crash.

Sub-bab yang akan dipelajari:

• Try-Except Dasar (+25)
• Bagi dengan Nol (+30)
• Try-Except-Finally (+30)

Progress: 0%

OOP Part 1 - Class dan Object

Memahami konsep Object-Oriented Programming dengan class dan object.

Sub-bab yang akan dipelajari:

• Buat Class Sederhana (+25)
• Class dengan Method (+30)
• Class Kalkulator (+35)

Progress: 0%

OOP Part 2 - Encapsulation

Belajar menyembunyikan data dan mengontrol akses dengan encapsulation.

Sub-bab yang akan dipelajari:

• Private Attribute (+30)
• Setter dengan Validasi (+35)
• Property Decorator (+35)

Progress: 0%

OOP Part 3 - Inheritance

Membuat class baru dari class yang sudah ada dengan konsep pewarisan.

Sub-bab yang akan dipelajari:

• Simple Inheritance (+30)
• Super Constructor (+35)
• Method Override (+35)

Progress: 0%

Introduction to Data Science

Memulai perjalanan seru di dunia Data Science! Dari konsep dasar hingga tools yang akan menjadi sahabat sehari-hari kamu: Data Science Pipeline, Pandas, dan NumPy.

Sub-bab yang akan dipelajari:

• Introduction - Kenalan dengan Data Science (+10)
• Data Science Pipeline - Peta Perjalanan Data (+15)
• Pandas - Library Analisis Data Favorit (+20)
• NumPy - Komputasi Numerik Berkecepatan Tinggi (+25)

Progress: 0%

Data Visualisasi

Pelajari cara membuat visualisasi data yang menarik dan informatif menggunakan Matplotlib, Seaborn, dan Plotly. Dari chart sederhana sampai dashboard interaktif!

Sub-bab yang akan dipelajari:

• Matplotlib - Line Chart Penjualan (+15)
• Seaborn - Bar Plot Kategori Produk (+20)
• Plotly - Interactive Scatter Plot (+25)

Progress: 0%

Statistika

Kuasai statistika dari dasar sampai advanced! Pelajari cara menganalisis data dengan Statistika Deskriptif dan Inferensia. Dari mean, median, mode sampai hypothesis testing dan confidence interval.

Sub-bab yang akan dipelajari:

• Statistika Deskriptif - Analisis Nilai Ujian (+20)
• Statistika Inferensia - A/B Testing Hypothesis (+25)

Progress: 0%

EDA (Exploratory Data Analysis)

Jago mengeksplorasi data seperti seorang detektif! Pelajari teknik EDA untuk menemukan insight tersembunyi dan menguasai Pandas untuk manipulasi data. From loading data sampai visualisasi insight!

Sub-bab yang akan dipelajari:

• EDA Investigation - Customer Dataset (+20)
• Pandas Manipulation - Product Sales Filter (+25)

Progress: 0%

Data Preprocessing

Master teknik data preprocessing untuk siapkan data mentah jadi data siap pakai! Pelajari cleaning, transformation, encoding, dan normalization. Data berkualitas = Model berkualitas!

Sub-bab yang akan dipelajari:

• Data Cleaning - Handle Missing Values (+20)
• Data Preprocessing - Scaling & Encoding (+25)

Progress: 0%

Pengenalan Machine Learning

Mulai journey Machine Learning kamu! Pelajari konsep dasar ML, perbedaan Supervised vs Unsupervised Learning, berbagai algoritma Clustering, dan kapan menggunakan model yang tepat. From zero to ML hero!

Sub-bab yang akan dipelajari:

• ML Concepts - Tipe Machine Learning (+15)
• Clustering Concepts - Algoritma & Use Cases (+15)

Progress: 0%

Linear Regression

Pelajari konsep Linear Regression dari dasar hingga implementasi praktis untuk prediksi data

Sub-bab yang akan dipelajari:

• Challenge 1: Membuat Prediksi Gaji (+100)
• Challenge 2: Hitung Slope dan Intercept dengan NumPy (+150)
• Challenge 3: Linear Regression dengan Scikit-learn (+200)
• Challenge 4: Evaluasi Model dengan Train-Test Split (+250)
• 🏆 Final Project: Complete Linear Regression System (+300)

Progress: 0%

Logistic Regression

Pelajari algoritma klasifikasi paling fundamental dalam machine learning. Logistic Regression adalah metode statistik yang digunakan untuk memprediksi probabilitas suatu kejadian, seperti menentukan apakah email adalah spam atau bukan, apakah pelanggan akan churn atau tidak, dan banyak kasus klasifikasi lainnya.

Sub-bab yang akan dipelajari:

• Challenge 1: Implementasi Dasar Logistic Regression (+10)
• Challenge 2: Train-Test Split dan Evaluasi (+15)
• Challenge 3: Feature Scaling (+15)
• Challenge 4: Confusion Matrix dan Classification Report (+20)
• Challenge 5: Regularisasi L1 dan L2 (+20)
• Challenge 6: Grid Search untuk Hyperparameter Tuning (+25)
• Challenge 7: Multiclass Classification (+25)
• Challenge 8: ROC Curve dan AUC Score (+30)
• Challenge 9: Text Classification - Sentiment Analysis (+35)
• Challenge 10: End-to-End Project - Customer Churn Prediction (+40)

Progress: 0%

Clustering

Pelajari teknik unsupervised learning untuk mengelompokkan data berdasarkan kesamaan karakteristik. Clustering adalah metode fundamental dalam machine learning yang digunakan untuk segmentasi pelanggan, deteksi anomali, kompresi data, dan berbagai aplikasi data science lainnya.

Sub-bab yang akan dipelajari:

• Challenge 1: Simple K-Means 2D (+10)
• Challenge 2: K-Means Clustering Sederhana (Sklearn) (+15)

Progress: 0%

Decision Tree

Pelajari algoritma machine learning yang powerful dan mudah dipahami untuk klasifikasi dan regresi. Decision Tree adalah metode yang menggunakan struktur pohon untuk membuat keputusan berdasarkan fitur data, sangat berguna untuk analisis prediktif dan pemahaman pola dalam data.

Sub-bab yang akan dipelajari:

• Challenge 1: Decision Tree Classifier Dasar (+10)
• Challenge 2: Feature Importance (+15)
• Challenge 3: Decision Tree Regressor (+20)
• Challenge 4: Ekstrak Decision Rules (+20)

Progress: 0%

Random Forest

Pelajari Random Forest, algoritma ensemble learning yang menggabungkan banyak decision trees untuk prediksi yang lebih akurat dan robust

Sub-bab yang akan dipelajari:

• Random Forest Classification Dasar (+15)
• Analisis Feature Importance (+20)
• Out-of-Bag Score untuk Validasi (+20)
• Random Forest untuk Regresi (+20)
• Random Forest untuk Imbalanced Data (+20)
• Prediction Probability dan Confidence (+20)
• Feature Selection dengan Random Forest (+25)

Progress: 0%

Support Vector Machine (SVM)

Pelajari SVM untuk klasifikasi dan regresi dengan margin maksimal

Sub-bab yang akan dipelajari:

• Linear SVM Dasar (+15)
• SVM dengan RBF Kernel (+20)
• Multi-class Classification dengan SVM (+20)
• SVM dengan Polynomial Kernel (+20)
• Efek Parameter C pada SVM (+20)
• Text Classification dengan SVM (+25)
• SVM untuk Imbalanced Data (+20)

Progress: 0%

K-Nearest Neighbors (KNN)

Pelajari K-Nearest Neighbors, algoritma machine learning sederhana namun powerful yang bekerja berdasarkan prinsip "tetangga terdekat"

Sub-bab yang akan dipelajari:

• Implementasi K-Nearest Neighbors untuk Klasifikasi (+100)
• Dampak Feature Scaling pada KNN (+100)
• Mencari Nilai K Optimal dengan Cross-Validation (+100)

Progress: 0%

Boosting Algorithms

Pelajari Boosting Algorithms seperti AdaBoost, Gradient Boosting, XGBoost, dan LightGBM untuk meningkatkan performa model machine learning

Sub-bab yang akan dipelajari:

• Implementasi AdaBoost untuk Klasifikasi (+100)
• Gradient Boosting untuk Klasifikasi Multi-Class (+100)

Progress: 0%

Pengenalan Deep Learning

Pelajari dasar-dasar Deep Learning dari konsep hingga implementasi praktis

Sub-bab yang akan dipelajari:

• Implementasi Sigmoid Activation Function (+10)
• Implementasi ReLU Activation Function (+10)
• Forward Propagation Sederhana (+15)

Progress: 0%

ANN - Artificial Neural Network

Pelajari dasar-dasar Artificial Neural Network (ANN), arsitektur multi-layer yang terinspirasi dari cara kerja otak manusia. Memahami neuron, activation function, backpropagation, dan implementasi praktis dengan Scikit-learn dan TensorFlow untuk berbagai aplikasi machine learning.

Sub-bab yang akan dipelajari:

• Build Simple ANN Architecture (+10)
• Train ANN with Small Dataset (+15)
• Evaluate ANN Performance (+10)

Progress: 0%

RNN - Recurrent Neural Network

Memahami Recurrent Neural Network untuk data sequential seperti time series dan text

Sub-bab yang akan dipelajari:

• Build Simple RNN (+10)
• Train RNN for Sequence Prediction (+15)

Progress: 0%

LSTM & GRU - Advanced RNN

Memahami Long Short-Term Memory dan Gated Recurrent Unit untuk mengatasi masalah vanishing gradient

Sub-bab yang akan dipelajari:

• Build LSTM Network (+10)
• Build GRU Network (+15)
• Stacked LSTM (+15)

Progress: 0%

CNN - Convolutional Neural Network

Memahami arsitektur CNN untuk computer vision, image classification, dan object detection

Sub-bab yang akan dipelajari:

• Build Simple CNN (+10)
• Train CNN with Small Image Data (+15)
• Deep CNN with Multiple Conv Layers (+15)

Progress: 0%

Time Series dengan Deep Learning

Memahami analisis dan forecasting time series menggunakan RNN, LSTM, dan GRU untuk data univariate dan multivariate

Sub-bab yang akan dipelajari:

• Prepare Time Series Data (+10)
• LSTM for Time Series Forecasting (+15)
• Multi-step Time Series Prediction (+15)

Progress: 0%

Pengenalan Data Engineering

Memahami konsep, tools, dan praktik Data Engineering untuk membangun data pipeline yang robust

Sub-bab yang akan dipelajari:

• Konsep Data Engineering (+100)
• ETL vs ELT (+100)
• Data Warehouse vs Data Lake (+100)

Progress: 0%

Natural Language Processing (NLP)

Memahami Natural Language Processing untuk memproses, menganalisis, dan mengekstrak insight dari teks menggunakan Python. Dari tokenization hingga deep learning models.

Sub-bab yang akan dipelajari:

• Tokenisasi Output (+0)
• Sentiment Analysis (+0)
• CountVectorizer Output (+0)
• Stemming Sastrawi (+0)
• TF-IDF vs BoW (+0)

Progress: 0%

SQL - Structured Query Language

Memahami SQL untuk query, manipulasi, dan analisis data di relational database

Sub-bab yang akan dipelajari:

• SQL Joins (+100)
• SQL Aggregations (+100)
• SQL Indexes (+100)

Progress: 0%

LLM: Large Language Models

Pelajari cara membangun aplikasi LLM yang powerful. Dari fundamentals transformer architecture hingga membangun autonomous agents dengan praktikum lengkap.

Sub-bab yang akan dipelajari:

• Soal 1: Tokenizer & Text Splitting (+10)
• Soal 2: Temperature Effect pada Output (+10)
• Soal 3: LangChain LLMChain - Complete the Code (+10)
• Soal 4: Memory Type Selection for Long Conversations (+10)
• Soal 5: RAG Pipeline - Missing Step (+10)
• Soal 6: Agent Tool Decorator (+10)
• Soal 7: LlamaIndex vs LangChain Framework Selection (+10)
• Soal 8: MCP Transport - HTTP Auth Behavior (+10)
• Soal 9: PDF Loader Selection for Different PDFs (+10)
• Soal 10: Production RAG System Integration (+10)

Progress: 0%

Data Collection, Storage & Transformation

Course ini akan membahas end-to-end data engineering workflow: dari collect data dari berbagai sources, menyimpannya dengan efficient, sampai transform data untuk analytics dan machine learning. Kamu akan belajar berbagai teknik collection seperti web scraping dan API integration, storage solutions dari relational databases sampai data lakes, dan transformation patterns untuk prepare data jadi analytics-ready.

Sub-bab yang akan dipelajari:

• Data Collection Methods (+100)
• Data Storage Options (+100)
• Data Transformation Best Practices (+100)

Progress: 0%

LLMOps: Production LLM Operations

Master production deployment, monitoring, dan optimization untuk LLM applications. Dari evaluation metrics hingga scaling strategies dengan praktikum lengkap.

Sub-bab yang akan dipelajari:

• Production Evaluation Metrics Selection (+10)
• Metric Drift Detection (+10)
• Cost vs Quality Tradeoff (+10)
• Latency SLA Monitoring (+10)
• Cache Invalidation Strategy (+10)
• Canary Deployment Abort Decision (+10)

Progress: 0%

Orchestration & Automation

Course ini membahas bagaimana mengotomasi dan mengorkestrasi data pipelines untuk berjalan reliably dan efficiently. Kamu akan belajar workflow orchestration dengan Apache Airflow, scheduling strategies, error handling patterns, monitoring dan alerting, serta automation best practices untuk production-ready data engineering workflows.

Sub-bab yang akan dipelajari:

• Apache Airflow DAGs (+100)
• Pipeline Scheduling Strategies (+100)
• Pipeline Monitoring & Alerting (+100)

Progress: 0%

NoSQL

Course ini membahas NoSQL databases sebagai alternatif dari relational databases untuk use cases tertentu. Kamu akan belajar berbagai tipe NoSQL databases (document, key-value, column-family, graph), kapan menggunakan masing-masing, serta hands-on dengan MongoDB sebagai representative dari document databases yang paling populer.

Sub-bab yang akan dipelajari:

• NoSQL Database Types (+100)
• Key-Value Stores (+100)
• CAP Theorem (+100)

Progress: 0%

Big Data Technologies

Course ini membahas ekosistem Big Data technologies yang memungkinkan processing dan analysis data dalam skala massive. Kamu akan belajar Hadoop ecosystem (HDFS, MapReduce, YARN), Apache Spark untuk distributed processing, streaming platforms seperti Kafka, dan data warehousing solutions. Materi ini essential untuk data engineer yang handle data dalam petabyte scale.

Sub-bab yang akan dipelajari:

• Apache Spark Architecture (+100)
• Hadoop HDFS (+100)
• Batch vs Stream Processing Frameworks (+100)

Progress: 0%

Recommendation System

Pelajari cara membangun sistem rekomendasi yang cerdas menggunakan Content-Based Filtering, Collaborative Filtering, dan Hybrid Approaches untuk memberikan rekomendasi personal kepada pengguna.

Sub-bab yang akan dipelajari:

• Recommendation System Quiz #1 (+10)
• Recommendation System Quiz #2 (+10)
• Recommendation System Quiz #3 (+10)
• Recommendation System Quiz #4 (+10)
• Recommendation System Quiz #5 (+10)
• Recommendation System Quiz #6 (+10)
• Recommendation System Quiz #7 (+10)
• Recommendation System Quiz #8 (+10)
• Recommendation System Quiz #9 (+10)

Progress: 0%

📢📢📢🛒 Ngabuburit Data

Kuasai Skill Data yang Membuka Peluang Karir

KodingData vs Platform Lain

Course Categories

Semua

AI Engineering

Data Engineering

Data Science & Data Analys

Python

Sub-bab yang akan dipelajari:

Popular Courses

Kenalan dengan Python

Kenalan dengan Python

Sub-bab yang akan dipelajari:

Variabel - Kotak Penyimpan Data

Variabel - Kotak Penyimpan Data

Sub-bab yang akan dipelajari:

Tipe Data - Jenis-Jenis Informasi

Tipe Data - Jenis-Jenis Informasi

Sub-bab yang akan dipelajari:

Operator - Melakukan Perhitungan

Operator - Melakukan Perhitungan

Sub-bab yang akan dipelajari:

Input - Menerima Data dari User

Input - Menerima Data dari User

Sub-bab yang akan dipelajari:

Kondisi If-Else - Membuat Keputusan

Kondisi If-Else - Membuat Keputusan

Sub-bab yang akan dipelajari:

Perulangan For - Mengulang Pekerjaan

Perulangan For - Mengulang Pekerjaan

Sub-bab yang akan dipelajari:

Perulangan While - Loop Kondisional

Perulangan While - Loop Kondisional

Sub-bab yang akan dipelajari:

List - Kumpulan Data Terorganisir

List - Kumpulan Data Terorganisir

Sub-bab yang akan dipelajari:

Function - Membuat Kode yang Reusable

Function - Membuat Kode yang Reusable

Sub-bab yang akan dipelajari:

Dictionary - Penyimpanan Data Key-Value

Dictionary - Penyimpanan Data Key-Value

Sub-bab yang akan dipelajari:

Tuple & Set - Tipe Data Khusus

Tuple & Set - Tipe Data Khusus

Sub-bab yang akan dipelajari:

String Methods - Manipulasi Teks

String Methods - Manipulasi Teks

Sub-bab yang akan dipelajari:

File Handling - Bekerja dengan File

File Handling - Bekerja dengan File

Sub-bab yang akan dipelajari:

Exception Handling - Menangani Error

Exception Handling - Menangani Error

Sub-bab yang akan dipelajari:

OOP Part 1 - Class dan Object

OOP Part 1 - Class dan Object

Sub-bab yang akan dipelajari:

OOP Part 2 - Encapsulation

OOP Part 2 - Encapsulation

Sub-bab yang akan dipelajari:

OOP Part 3 - Inheritance

OOP Part 3 - Inheritance

Sub-bab yang akan dipelajari:

Introduction to Data Science

Introduction to Data Science

Sub-bab yang akan dipelajari:

Data Visualisasi

Data Visualisasi

Sub-bab yang akan dipelajari:

Statistika

Statistika

Sub-bab yang akan dipelajari:

EDA (Exploratory Data Analysis)

EDA (Exploratory Data Analysis)

Sub-bab yang akan dipelajari:

Data Preprocessing

Data Preprocessing

Sub-bab yang akan dipelajari: