Silabus
9 bulan
Setiap kursus berlangsung dua atau tiga minggu, dan
berdurasi sekitar 40 jam belajar.
Sesi Onboarding
1-2 jam
0 Apa yang Anda harapkan sebagai siswa TripleTen. Bagaimana sprint
terstruktur, siapa tim bimbingan kami, bagaimana cara menggunakan
Slack, di mana mencari informasi dan lain-lainnya.
1 Python Dasar
3 minggu,
Perkenalan Anda dengan dunia ilmu data! Konsep kunci dan sintaks 40 jam
dasar dalam Python. Loop, kondisi, dan fungsi. Library Pandas untuk
analisis data. Studi kasus analitis pertama Anda, diikuti dengan
proyek pertama Anda.
•
Bab 1. Variabel, Print, Tipe Data, dan Operasi Aritmetika
•
Bab 2. String
•
Bab 3. List (daftar)
•
Bab 4. Loop for
•
Bab 5. List Bersarang
•
Bab 6. Kondisi dan Loop
•
Bab 7. Membuat Fungsi
•
Bab 8. Dictionary
•
Bab 9. Library Pandas untuk Analisis Data
•
Bab 10. Pra-pemrosesan Data
•
Bab 11. Menganalisis Data dan Mempresentasikan Hasil
2 Pra-pemrosesan Data
+1 proyek untuk
Mengompensasi data yang kurang sempurna. Menangani nilai portofolio Anda
yang hilang dan nilai duplikat. Mengubah tipe data. Pemikiran 3 minggu, 40 jam
sistem untuk analis.
•
Bab 1. Pengantar Pra-pemrosesan Data
•
Bab 2. Menangani Nilai yang Hilang dan Nilai Duplikat
•
Bab 3. Mengubah Tipe Data
•
Bab 4. Mengategorikan Data
pertama Anda.
3 minggu, 40 jam
•
Bab 1. Grafik Pertama dan Kesimpulan
•
Bab 2. Irisan Data
•
Bab 3. Mengelola Beberapa Sumber Data
•
Bab 4. Hubungan antar Dataset
Teori probabilitas, distribusi yang paling umum, dan metode +1 proyek untuk
statistik dalam Python. *Sampling* dan signifikansi statistik. portofolio Anda
•
Bab 2. Teori Probabilitas
5 Proyek Terintegrasi 1
Istirahat -
1 minggu
6 Pengumpulan dan Penyimpan Data (SQL)
+1 proyek untuk
Memahami struktur basis data dan bagaimana cara menarik portofolio Anda
data dari basis data menggunakan kueri SQL. Menemukan 2 minggu, 40 jam
data secara daring.
•
Bab 1. Mengambil Data dari Sumber Daring
•
Bab 2. SQL sebagai Instrumen Pengolahan Data
•
Bab 3. Fitur Tingkat Lanjut SQL untuk Analisis
•
Bab 4. Hubungan Antara Tabel
•
Bab 5. Soft Skill
•
Bab 1. Melatih Model Pertama Anda
•
Bab 2. Kualitas Model
•
Bab 3. Pengembangan Model
8 Supervised Learning
•
Bab 1. Feature Preparation
•
Bab 2. Metrik Klasifikasi
•
Bab 3. Klasifikasi yang Tidak Seimbang
•
Bab 4. Metrik Regresi
•
Bab 1. Metrik Bisnis
•
Bab 2. Mengimplementasikan Fungsionalitas Baru
•
Bab 3. Pengumpulan Data
10 Proyek Terintegrasi 2
+1 proyek untuk
Menyiapkan prototipe model machine learning untuk portofolio Anda
Istirahat -
1 minggu
11 Aljabar Linear
+1 proyek untuk
Meninjau lebih dalam sejumlah algoritme yang telah Anda portofolio Anda
•
Bab 1. Vektor dan Operasi Vektor
•
Bab 2. Jarak antar Vektor
•
Bab 3. Matriks dan Operasi Matriks
12 Metode Numerik
+1 proyek untuk
Menganalisis sejumlah algoritme yang menggunakan metode portofolio Anda
•
Bab 1. Analisis Algoritme
•
Bab 2. Penurunan Gradien
•
Bab 3. Pelatihan Penurunan Gradien
•
Bab 4. Peningkatan Gradien
cara mengubah teks menjadi angka dan cara menggunakan 2 minggu, 40 jam
bag-of-words (tas kata-kata), TF-IDF, serta embedding
(representasi kata) dan BERT.
•
Bab 1. Vektorisasi Teks
15 Computer Vision
+1 proyek untuk
Cara menangani tugas visi komputer sederhana dengan portofolio Anda
menggunakan jaringan neural siap pakai dan library Keras. 2 minggu, 40 jam
Melihat sekilas pada deep learning.
•
Bab 1. Jaringan Terhubung Penuh
•
Bab 2. Jaringan Neural Konvolusional
16 Unsupervised Learning
2 minggu, 40 jam
Mencari tahu apa yang harus dilakukan jika Anda tidak
memiliki fitur target. Menangani tugas pengklasteran dan
mencari anomali.
•
Bab 1. Pengklasteran
17 Proyek Akhir
+1 proyek untuk
Menerapkan semua yang telah Anda pelajari dalam portofolio Anda
•
Pasar kerja di bidang TI dan digital
•
Wawancara - teori dan praktik
•
Keterampilan networking
•
Resume/CV
•
Surat motivasi
•
Portofolio
•
Mendapatkan akses ke mitra TripleTen dan peluang kerja yang
tersedia