Schedule

Silahkan Tentukan dan Lihat Program Trainingnya

Belajar Codeless Data Science

Pembelajaran Codeless Data Science terdiri dari 2 (dua) pilihan program pembelajaran, Codeless Data Science Basic dan Codeless Data Science Advanced. Pelatihan ini ditujukan untuk Anda yang ingin meningkatkan kompetensi di bidang data science

Anda akan dibimbing instruktur untuk menguasai konsep dan menerapkan data science dengan contoh data yang telah disiapkan instruktur. Di akhir sesi pelatihan, peserta diberi tugas mengerjakan proyek data science tingkat lanjut untuk menyelesaikan masalah tertentu di dunia usaha atau industri.

Bootcamp Codeless Data Science

Mengapa Harus Belajar Codeless Data Science?

Mengapa NFAcademy.ID
  • Prospek Karier Di Dunia Industri

    Dalam lingkup industri, prospek karir codeless data science mencakup peran-peran seperti analis data tanpa pengkodean, pengelola platform analisis data, dan pemroses data visual.

  • Mampu Mengikuti Era Digital

    Skill tetap relevan dalam perkembangan industri teknologi yang sangat cepat di era digital. Dan menjadi bagian dari perubahan dan perkembangan teknologi yang memengaruhi dunia kita. Berkontribusi pada pengembangan teknologi yang membuat kehidupan lebih baik.

  • Gaji Yang Kompetitif

    Pekerja di bidang teknologi seringkali mendapatkan gaji yang kompetitif. Dapat mencapai gaji yang lebih tinggi dalam karier.

Bootcamp Codeless Data Science dengan Pembelajaran Intensif

Soft Skill

Memberikan bekal kepada peserta tentang adab bekerja, komunikasi, kerja sama tim, dan jiwa pantang menyerah.

Hot

Final Project

Membuat portofolio yang nyata dengan materi yang dipelajari dan disesuaikan dengan kebutuhan di dunia kerja.

Hot

Sertifikasi

Berstandar nasional yang dikeluarkan oleh BNSP dan atau sertifikasi internasional, yang telah menjadi mitra.

Hot

Penyaluran Kerja

Penyaluran ke perusahaan dan job connector yang telah menjadi mitra.

Hot

Profesi Setelah Menguasai Codeless Data Science

Data Analyst​

Data Analyst

Profesi yang menganalisis dan menginterpretasikan data.

Business Intelligence Consultant

Profesi yang merancang dan mengimplementasikan solusi bisnis yang memanfaatkan data.

Machine Learning Engineer

Profesi yang pengembangan model machine learning untuk meningkatkan fungsionalitas dan efisiensi operasional dalam berbagai aplikasi.

Automation Specialist

Profesional yang mengembangkan solusi otomatisasi yang meningkatkan efisiensi operasional.

Pilihan Kelas Pembelajaran

Program Codeless Data Science, masing-masing pilihan kelas (Basic atau  Advanced) selama 12 minggu mencakup Overview of KNIME Analytics Platform, Data Access, Data Cleaning, Aggregation & Data Blending, Visualization, Intro to Machine Learning dan Data Export and Reporting.

Pelatihan ini ditujukan untuk Anda yang ingin meningkatkan kompetensi di bidang data science dengan perangkat lunak KNIME Analytics Platform. Anda tidak diharuskan menguasasi bahasa pemrograman tertentu karena pelatihan ini menggunaka KNIME yang telah dikenal sebagai perangkat lunak untuk data science, termasuk machine learning. Anda akan dibimbing instruktur untuk menguasai konsep dan menerapkan data science dengan contoh data yang telah disiapkan instruktur. Di akhir sesi pelatihan, peserta diberi tugas mengerjakan proyek data science untuk menyelesaikan masalah tertentu di dunia usaha atau industri.

Prasyarat Peserta
Anda diharapkan telah biasa menggunakan komputer untuk mengakses web. Anda sebaiknya sudah memahami dasar-dasar pemrograman dan statistika, tetapi tidak wajib karena kedua ilmu itu akan diberikan di sesi awal sebagai dasar menguasai data science.

Target Pelatihan

  1. Dapat menginstal, mengoperasikan, mengeksekusi common node dan operasi workflow, dan clean-up workflow dengan metanodes.
  2. Dapat menunjukkan cara mengakses file dalam berbagai format dan database pada KNIME.
  3. Dapat mengoperasikan filtering baris dan kolom, transformasi angka dan string, serta menghitung rules berbasis fitur.
  4. Dapat menjelaskan data aggregation dan mengeksekusi operasi GroupBy dan pivoting, serta operasi join dan concatenate.
  5. Dapat menjelaskan cara mengeksplorasi data dengan node visualisai, visualisasi data 1-dan-2 dimensi, mengombinasikan multiple views pada composite view, dan opsi interaktif pada single & composite view.
  6. Dapat menjelaskan konsep learner-predictor, langkah-langkah dalam pelatihan model klasifikasi, cara identifikasi dan operasi model decisision tree, dan model regressi linier, serta cara menghitung skor metrik untuk model klasifikasi dan regresi.
  7. Dapat menjelaskan cara mengekspor data menjadi sebuah file dan reporting dengan BIRT.
  8. Dapat mengerjakan proyek penerapan dasar data science pada suatu permasalahan di suatu organisasi menggunakan KNIME Analytics Platform.

Durasi Pelatihan
Dua hingga tiga bulan atau 240 jam (tutorial, assignment, dan final project).

.

Topik Pelatihan

  1. Overview of KNIME Analytics Platform
    • Instalasi KNIME Analytics Platform (KNAP)
    • Pengoperasioan panel pada NIME workbench
    • Eksekusi common node dan operasi workflow
    • Clean-up workflows menggunakan metanodes
  2. Data Access
    • Pembacaan data dari file
    • Pengakssan database pada KNIME
  3. Data Cleaning
    • Operasi filtering baris dan kolom
    • Operasi transformasi angka dan string
    • Penghitungan rules berbasis fitur
  4. Aggregation & Data Blending
    • Aggregations
    • Data Blending
  5. Visualization
    • Node visualisasi
    • Visualisasi data 1-dan-2 dimensi
    • Komibinasi multiple views pada composite view
    • Opsi interaktif dalam single & composite view
  6. Intro to Machine Learning
    • Konsep dasar data science
    • Contoh training & testing model Machine Learning
    • Model klasifikasi
    • Regresi logistik
    • Decision tree
    • Model prediksi numerik, Regresi linier
    • Evaluasi model klasifikasi
    • Evaluasi model regresi
    • Error metrics
  7. Data Export and Reporting
    • Penulisan ke sebuah file
    • Reporting
    • Ekspor data ke dalam laporan dengan BIRT
  8. Final Project
    • Penerapan data science dasar dengan KNIME untuk menyelesaikan suatu masalah di dunia usaha atau industri.

Pelatihan ini ditujukan untuk Anda yang ingin meningkatkan kompetensi di bidang data science dengan perangkat lunak KNIME Analytics Platform. Anda tidak diharuskan menguasai bahasa pemrograman tertentu karena pelatihan ini menggunakan KNIME yang telah dikenal sebagai perangkat lunak untuk data science, termasuk machine learning tingkat lanjut, tanpa harus coding. Anda akan dibimbing instruktur untuk menguasai konsep dan menerapkan data science tingkat lanjut dengan contoh data yang telah disiapkan instruktur. Di akhir sesi pelatihan, peserta diberi tugas mengerjakan proyek data science tingkat lanjut untuk menyelesaikan masalah tertentu di dunia usaha atau industri.

Prasyarat Peserta
Anda diharapkan sudah mengikuti pelatihan Data Science Basics atau lulus ujian sertifikasi level dasar Data Science dengan KNIME Analytics Platform.

 

Target Pelatihan

  1. Dapat mengalkulasi nilai Date&Time dari nilai string dan penerapan lainnya, membuat daftar dan mengoperasikan preprocessing node untuk membentuk moving average dan aggregation, serta mengoperasikan manipulasi data secara langsung dalam database.
  2. Dapat menjelaskan penggunaan KNIME untuk flow variables dan components.
  3. Dapat membandingkan konsep loop dan switch, mengindentifikasi dan mengeksekuis loop dasar, serta mengenali dan mengeksekusi workflow yang menghasilkan switch berbasis pada suatu nilai variabel flow.
  4. Dapat menjelaskan strategi untuk membangun model ensemble, cara mengeksekusi algoritma Random Forest, dan loop optimasi parameter.
  5. Dapat mengerjakan proyek penerapan data science tingkat lanjut pada permasalahan di suatu organisasi menggunakan KNIME Analytics Platform.

Durasi Pelatihan
Dua hingga tiga bulan atau 240 jam (tutorial, assignment, dan final project).

Topik Pelatihan

  1. Data & Time and Databases
    • Kalkulasi nilai Date&Time dari nilai string
    • Preprocessing node yang bekeja pada nilai Date&Time dan durasi
    • Identifikasi dan eksekusi node untuk pergeseran waktu dan kalkulasi perbedaan waktu
    • Daftar dan pengoperasian preprocessing node untuk membentuk moving average dan aggregation
    • Pengoperasian manipulasi data secara langsung dalam database
  2. Flow Variables & Components
    • Identifiasi kondisi flow variable yang berguna dalam mengotomasi workflow
    • Daftar tipe variabel flow
    • Overwrtiting a configuration setting dengan variabel flow
    • Konfigurasi node dan penggunaannya
    • Penamaan dan pengoperasian lengkap untuk mengubah dan membagikan component
    • Pengenalan widget nodes untuk menambahkan interaktivitas dalam view component.
  3. Workflow Control
    • Konsep loop dan switch
    • Basic loops
    • Workflow yang membentuk switch berbasis pada nilai variabel flow
  4. Advanced Machine Learning
    • Daftar strategi untuk membangun model ensemble
    • Eksekusi algoritma Random Forest
    • Loop optimasi parameter
  5. Final Project
    • Penerapan data science tingkat lanjut dengan KNIME untuk menyelesaikan suatu masalah di dunia usaha atau industri

© 2023 Nurul Fikri Academy. All Rights Reserved Owned by PT Nurul Fikri Cipta Inovasi