Python Data Science

Training Syllabus – 2022

 SILABUS TRAINING

I. Judul Training : Belajar Python Data Science

II. Tujuan dan manfaat pelatihan :

Modul training ini dibuat dan ditujuan bagi para freshgraduate atau pencari kerja yang ingin
memulai kariernya menjadi junior developer, training ini dirancang agar para peserta mulai
mengenal bahasa pemograman Python dan memahami konsep-konsep dasar pemograman
seperti paradigma Object Oriented Programmer
III. Sasaran Kompetisi Kerja

Pelatihan ini mengembangkan kompetisi kerja di Bidang Progammer/Junior Programmer

IV. Sasaran Kelompok Peserta

No Kualifikasi Peserta
1 Minimal Pendidikan D3 (Diutamakan) dan Usia Maks 30 Tahun.
2 Lulus tahapan test online , interview dan verifikasi JuaraCoding
3 Memiliki komitmen untuk mengikuti training Online setiap hari kerja (Senin – Jumat).
4 Memiliki Komputer Pribadi (Desktop / Laptop).
5 Memiliki jaringan internet yang stabil.

Kelas Pertemuan Hours Task Final Exam Difficulty

Python Fundamental 20 90 10 1 Beginner
Python Data Science 10 90 7 1 Beginner
Tugas Akhir 10 60 10 1 Beginner- Medium
Total 40 240 40 5
V. Metode Ajar

Participant
Jumlah peserta online training max 20 orang (maximum)
Participant Quota Jumlah peserta offline training max 15 orang (maximum)
1 program berjalan selama :
- 6 minggu (materi)
- 2 minggu (kerja praktek + persentasi akhir)
Lama program
(seminggu 5x pertemuan, waktu belajar 6 jam)
Total selama 40 hari : frekuensi training sekitar 40 x pertemuan, selama
180 jam (Materi), dan mengikuti Kerja Praktek selama 2 minggu (60 jam)

VI. Durasi Pelatihan

No Waktu
1 3 Jam (9:00-12:00 WIB)
2 1 jam (12:00-13:00 WIB)
3 3 Jam (13:00-16:00 WIB)
Kegiatan
Sesi Training
Anda akan belajar coding melalui sesi kelas bersama dengan
Pengajar
Istirahat / Break
Training dan Self Coding Practice
Anda akan diberikan materi dan soal latihan praktek oleh
Pengajar yang harus Anda selesaikan baik secara individual
ataupun group selama 3 jam ke depan sebagai latihan dari apa
yang telah dipelajari di sesi training.

VII. Mekanisme Evaluasi Pembelajaran Peserta

No Waktu Kegiatan
Dilakukan padawaktu sesi training dengan mencoba tugas yang
1 Practice Session diberikan oleh instrukturnya, mengulang modul yang telah
diajarkan
2 Project Practice Membuat Aplikasi sederhana dengan supervisi Instrukturnya
3 Final Task Membentuk kelompok untuk menyelesaikan project Aplikasi
VIII. Requirement Hardware/Software Peserta
No Hardware dan Software
1 Operating System : Windows 7 / Linux / Mac Os , RAM 4gb , ICore3
2 Python 3.9.5
3 Netbeans, Eclipse.Visual Studio
4 Chrome / Firefox / Edge
5 Postman
6 Google Account
7 Mysql

IX. Kualifikasi Trainer

No Trainer Kualifikasi Trainer

• Memiliki pengalaman pemograman di bidang Python dan
Konsep OOP yang dalam
1 Memerlukan minimal 1 Trainer
• Memiliki pengalaman setidaknya 2 tahun di bidang
pemograman yang berkaitan

X. Sertifikasi

Sertifikat pelatihan dibagi menjadi 2, yaitu sertifikat penyelesaian dan sertifikat kelulusan. Sertifikat
penyelesaian diberikan kepada semua peserta yang menyelesaikan pelatihan dengan tingkat
kehadiran minimal 80%.
Sertifikat kelulusan diberikan kepada peserta yang berhasil menyelesaikan Final Task dengan nilai
akhir minimal 80%.
 MODULE – Python Fundamental

Pre-Requirement :
Untuk mengikuti pelatihan Python Fundamental tidak ada persyaratan khusus.

Output of Training Program :

Peserta mendapatkan basic pengetahuan untuk
- Dasar-dasar pemograman menggunakan Python
- Konsep Dasar OOP
- Membuat aplikasi sederhana menggunakan Python

Module Hour
1. Pengenalan dan Instalasi Python 3
Menginstall Java dan Eclipse
Menginstall PyDev untuk Eclipse
Menginstall PyCharm
Membuat Program pertama Python

2. Tipe Data pada Python 3

Tipe data Numeric
Tipe data Complex, Binary dan Hexadecimal
Tipe data Boolean
Practice

3. Mengenal Tipe Sequence 6

Membuat String
Manipulasi Pemotongan String (Slice)
Membuat List
Mengenal Tuple
Konversi List kedalam Tuple
Mengenal Dictionary
Practice

4. Mengenal Operator dan Operand 6

Mengenal Operator Aritmatika
Menambahkan Operator
Mengenal Operator Logika
Practice
5. Membuat Input Function 6
Print dan String Formating
Membaca Multiple Input
Practice

6. Membuat Flow Control / Gerbang Logika 6

Mempelajari sintaks If , If Else
Mempelajari Nested If
Mempelajari perulangan menggunakan while
Perulangan menggunakan For
Mengenal Break, Continue dan Assert
Practice

7. Function pada Python 6

Membuat Function
Membuat Function dengan nilai balik
Mengenal local dan global variable
Nested Function
Membuat Function Parameter
Membuat Function Recursion
Practice

8. Module pada Python 6

Membuat Module Pada Python
Import module yang telah dibuat
Practice
`
9. Object Orientation Programming 12
Membuat Class Pada Python
Mengenal Constructor pada Python
Memngenal GC pada Python
Encapsulation
Inheritance
Polymorph
Abstraction
Practice

10. Exception Handling dan Logging 6

Mengenal Class Hierarcy
Menggunakan Handling Exception pada Python
Menggunakan Finaly
Configurasi Logging
Log Exception
Assertion
Practice
11.Files 6
Membuat File , membaca dan menulis pada File
Peengecekan File
Pickle UnPickle
Practice

12. Date dan Time 6

Penggunaan Date dan Time pada Python
Mensortir Date
Menggunakan Sleep
Practice

13.Thread pada Python 6

Memperkenalkan Thread pada python
Menggunakan Thread dalam Function
Multithread pada python
Thread Synchronization
Komunikasi antar Thread dan Antrian (Queues)
Practice

14. Networking pada Python 6

Downloading HTML & Image
Socket Programming
Membuat Server dan Client
Practice

15. Final Task 6

Total Hour 90
 MODULE – Python Data Science

Pre-Requirement :
Untuk mengikuti pelatihan Python Data Science peserta harus mengikuti minimal pelatihan
Python Fundamental dan memahami dasar-dasar pemograman.

Output of Training Program :

Peserta mendapatkan basic pengetahuan untuk
- Belajar Menggunakan Python untuk Pembelajaran Mesin
- Memiliki pemahaman mendasar tentang bahasa pemrograman Python
- Belajarlah untuk membuat program Python sendiri
- Gunakan Python untuk Pembelajaran Mesin
- Menerapkan Dasar-Dasar Pembelajaran Mesin
- Belajar menggunakan NumPy untuk Data Angka
- Belajar menggunakan Pandas untuk Analisis Data
- Belajar menggunakan Matplotlib untuk Python Plotting
- Belajar menggunakan Seaborn untuk plot statistik
- Gunakan Plotly untuk visualisasi dinamis interaktifKonsep Dasar OOP

Module Hour
1. Numpy 12
Manfaat Numpy
Pemasangan Array
Operasi Array
Mengiris dan Mengindeks Array
Operasi NumPy
NumPy vs Python
Fungsi Bawaan NumPy
Advanced NumPy Part I
Advanced NumPy Part II
Mathematics to NumPy
Numpy Functions

2. Pandas 12
Pandas
Why pandas
Pandas DataFrame
Pandas Series
Importing Data
Advanced Pandas
Practice

3. Plotly 12
Intro to Plotly
Univariate Plotting
Bivariate Plotting
Multivariate Plotting
Plotly review
Practice

4. Pengenalan Data Science 12

Memulai Data Science di Python
Normalisasi Data
Correlation
Case Study: Penjualan Motor
Practice

5. Pengenalan Machine Learning 12

Machine Learning Pada Data Science
Clustering
Neural Networks
Regresi Linear
Case Study Neural Network : Penyakit Diabetes
Case Study Text Mining dengan Machine Learning
Practice

6. Text Analisis 12
Text Processing
Text Classification
Natural Language Processing
Practice

7. Image Analisis 12
Image Processing
Image Classification
Video Analytics
Practice

15. Final Task 6

Total Hour 90