Kuasai Skill Data yang Membuka Peluang Karir
Platform all-in-one untuk menguasai Data Science, Data Engineering, AI Engineering dan skill data lainnya. Dengan praktik langsung di lab environment, dan seluruh materi berbahasa Indonesia.
KodingData vs Platform Lain
| 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 |
✓
|
✓
|
Kursus Populer
Introduction to Data Science
Memulai perjalanan seru di dunia Data Science! Dari konsep dasar hingga tools y…
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)
Data Visualisasi
Pelajari cara membuat visualisasi data yang menarik dan informatif menggunakan …
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)
Statistika
Kuasai statistika dari dasar sampai advanced! Pelajari cara menganalisis data d…
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)
EDA (Exploratory Data Analysis)
Jago mengeksplorasi data seperti seorang detektif! Pelajari teknik EDA untuk me…
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)
Data Preprocessing
Master teknik data preprocessing untuk siapkan data mentah jadi data siap pakai…
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)
Pengenalan Machine Learning
Mulai journey Machine Learning kamu! Pelajari konsep dasar ML, perbedaan Superv…
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)
Linear Regression
Pelajari konsep Linear Regression dari dasar hingga implementasi praktis untuk …
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)
Logistic Regression
Pelajari algoritma klasifikasi paling fundamental dalam machine learning. Logis…
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)
Clustering
Pelajari teknik unsupervised learning untuk mengelompokkan data berdasarkan kes…
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)
Decision Tree
Pelajari algoritma machine learning yang powerful dan mudah dipahami untuk klas…
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)
Random Forest
Pelajari Random Forest, algoritma ensemble learning yang menggabungkan banyak d…
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)
Support Vector Machine (SVM)
Pelajari SVM untuk klasifikasi dan regresi dengan margin maksimal
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)
K-Nearest Neighbors (KNN)
Pelajari K-Nearest Neighbors, algoritma machine learning sederhana namun powerf…
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)
Boosting Algorithms
Pelajari Boosting Algorithms seperti AdaBoost, Gradient Boosting, XGBoost, dan …
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)
Recommendation System
Pelajari cara membangun sistem rekomendasi yang cerdas menggunakan Content-Base…
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)
Jumlah Tagihan
Rp -