landing-header

Course - Introduction for Data Handling in Machine Learning

Free Course | Pembelajaran Berbasis Video
Pelajari fondasi pengolahan data untuk Machine Learning, dari struktur data Python, tipe-tipe variabel, hingga cara menginvestigasi kondisi dataset secara menyeluruh.
Kurnia Anwar Ra'if

Kurnia Anwar Ra'if

5+ Years Experience in AI | 2+ Years in Software Engineer | AI Engineer | ML Engineer | Data Scientist | AI Trainer & Mentor | AI & LLM Specialist | AWS & Python

Sebelum Model, Kenali Datamu Dulu.

Banyak model ML gagal bukan karena algoritmanya salah, tapi karena datanya tidak dipahami sejak awal. Di kelas ini, kamu akan belajar cara membaca, memahami, dan mempersiapkan data seperti seorang AI Engineer profesional.

Untuk Siapa Kelas Ini?

Kelas ini cocok untuk kamu yang:

  • Baru mulai belajar Machine Learning dan ingin membangun fondasi yang benar
  • Sudah bisa coding Python tapi belum paham cara kerja data secara struktural
  • Mahasiswa atau fresh graduate yang ingin masuk ke dunia AI/Data Science
  • Praktisi non-teknis yang ingin memahami cara AI Engineer melihat data
  • Siapa saja yang ingin mulai belajar feature engineering dari titik paling awal

Yang akan Kamu pelajari

Setelah menyelesaikan kelas ini, kamu akan bisa:

✅ Memahami struktur data di Python, built-in maupun user-defined

✅ Mengenali berbagai tipe variabel: numerik, kategorikal, datetime, dan campuran

✅ Melakukan investigasi awal pada dataset: missing value, outlier, kardinalitas, rare label

✅ Membaca kondisi data secara sistematis sebelum masuk ke proses modeling

✅ Membangun mindset AI Engineer dalam memahami data mentah

Silabus

Sesi 1 — Pengenalan Feature Engineering dan Tujuan Kelas

  • Mastering Feature Engineering (11 menit)


Sesi 2 — Data Struktur dengan Python

  • Teori Data Struktur (8 menit)
  • Built-in Data Structures Python (12 menit)
  • User Defined Data Structures Python (13 menit)


Sesi 3 — Perkenalan Dataset dan Tipe Data

  • Perkenalan Dataset (4 menit + 11 menit)
  • Numerik: Kontinu, Diskrit, Binary (10 menit)
  • Kategorikal Variabel (6 menit)
  • Datetime Variabel (5 menit)
  • Variabel Campuran (4 menit)


Sesi 4 — Investigasi Fitur Data

  • Teori Investigasi Fitur Data (11 menit)
  • Missing Value Data (8 menit)
  • Analisis Outlier (12 menit)
  • Kardinalitas (22 menit)
  • Label Rare (7 menit)


Total: 4 Sesi | 13 Video | ±2,5 Jam Materi

FAQ

Frequently Asked Question

Kunjungi Media Sosial Kami

[FREE] Introduction for Data Handling in Machine Learning