Data Science Engineer
Data Science untuk Clustering
beginner
0,00
13 jam 0 menit
0 Siswa Terdaftar
Deskripsi
Ingin tahu bagaimana sebuah usaha mampu mengenali konsumen potensial secara otomatis? Jelajahi dan pahami alur pekerjaan pengelompokan data secara otomatis dengan pembelajaran Data Science untuk Clustering di aodedu.id. Belajar seru, berbasis praktik nyata, dengan coding python, dan cocok untuk pemula hingga profesional yang ingin menguasai teknik pengelompokan data sebagai bagian dari Data Science.
Sasaran Siswa
- Memahami konsep clustering
- Menerapkan K-Means
- Menerapkan DBSCAN
Perangkat yang Dibutuhkan
Prosesor
Intel Core i3 (Rekomendasi Core i5 ke atas)
Sistem Operasi
Windows, Linux, MacOS
Biaya Investasi
Rp 350.000
Metode Ajar
- Self-paced learning
- Total Belajar : 13 jam 0 menit
Instructor
Dr. Ni Wayan Sumartini Saraswati, S.T.,M.T.
Apa yang akan Anda dapatkan
Sertifikat
Dapatkan sertifikat resmi sebagai bukti kompetensi Anda.
Modul
Akses modul pembelajaran lengkap yang mudah dipahami kapanpun.
Forum Diskusi
Diskusi interaktif bersama siswa lainnya.
Kuis
Kuis singkat untuk menguji dan memperkuat pemahaman materi.
Ujian
Ujian akhir untuk mengukur kemampuan dan kelulusan course.
Silabus
Materi yang Anda pelajari di kelas ini
Pengenalan Clustering
Clustering adalah teknik analisis data yang berfungsi mengelompokkan data tak berlabel ke dalam beberapa kelompok (cluster) berdasarkan kesamaan karakteristiknya. Ada beberapa metode yang bisa digunakan, seperti metode K-Means, K-Modes, DBSCAN, Hierarchical Clustering.
60 Menit
K-Means
Modul ini membahas algoritma K-Means, metode unsupervised learning untuk mengelompokkan data ke dalam beberapa cluster berdasarkan jarak ke centroid. Peserta akan memahami konsep dasar, proses iterasi, dan penerapannya dalam analisis data.
180 Menit
DBSCAN
DBSCAN adalah salah satu algoritma clustering yang cara kerjanya beda dari K-Means atau K-Modes. Kepanjangan dari DBSCAN itu sendiri adalah (Density-Based Spatial Clustering of Applications with Noise). Jika tadi K-Means harus menentukan jumlah cluster dulu di awal, DBSCAN bisa langsung cari kelompok sendiri berdasarkan kerumunan (density) data.
120 Menit
Hierarchical Clustering
Hierarchical Clustering adalah metode pengelompokan data dengan cara menyusun hubungan antar data secara bertahap hingga terbentuk struktur hierarki
120 Menit
K-Modes
K-Modes merupakan algoritma clustering yang mirip dengan K-Means, namun khusus digunakan untuk data kategori.
120 Menit
Submission
Ringkasan dari materi clustering dan menerapkan metode clustering untuk proyek akhir.
180 Menit