Bimbingan dan Konsultasi

Kunjungi kami di: http://researchsoft.tresnamf.com/

“Researchsoft Data Science” sebagai lembaga pelatihan virtual baik program webinar maupun workshop membuka kesempatan untuk peserta  yang membutuhkan bimbingan dan konsultasi secara berkala baik offline maupun online terkait dengan penelitian pada bidang:

• Data Analysis: Data Warehouse (Ms. Excel, Pentaho Data Integration-Schema Workbench), Business Intelligence (Ms. Excel, Tableau, Pentaho Business Intelligence)
• Data Science: Data Mining, Machine Learning, Artificial Intelligence, Text Mining and Sentiment Analysis, Nature-inspired Computing, tools: (Python, WEKA, Rapid Miner, Orange)
• Data Engineering: Big Data (Hadoop, Hive, Pig, Spark)

Konsultan: Tresna Maulana Fahrudin, S.ST., M.T.

Salah satu workshop utama kami adalah di bidang Data Science, materi-materi yang akan peserta dapatkan mulai dari basic hingga advanced sebanyak 16 Bab yang sudah disiapkan oleh tim kami berupa “Materi File PDF, Perhitungan di MS.Excel, Coding Pemrograman Bahasa Python”, meliputi:

1. Introduction of Data Science Life Cycle
2. Preprocessing: Imputasi Missing Values
3. Preprocessing: Data Transformation and Normalization
4. Preprocessing: Outlier Detection
5. Data Understanding: Exploratory Data Analysis
6. Feature Selection: Information Gain (Categorical)
7. Feature Selection: Fisher’s Discriminant Ratio (Numerical)
8. Feature Selection: Chi-square (Categorical)
9. Feature Extraction: Principal Component Analysis (Numerical)
10. Classification: Naive Bayes (Categorical and Numerical)
11. Classification: Decision Tree (Categorical and Numerical)
12. Classification: K-nearest Neighbor (Numerical)
13. Regression: Linear Regression (Numerical)
14. Clustering: K-means Clustering (Numerical)
15. Clustering: Hierarchical K-means Clustering (Numerical)
16. Association Rule: Apriori (Numerical)

Setelah peserta mendapatkan pemahaman teori dan praktis tentang materi Data Science di atas, peserta diharapkan dapat menyelesaikan dengan  problem dataset yang sedang dihadapi atau yang akan diteliti, sesuai dengan prosedur dan tahapan yang akan dilakukan dalam bidang Data Science.

Berikut contoh materi Data Science yang akan kami berikan kepada peserta:

Kami juga memberikan contoh perhitungan algoritma maupun metode dalam tahapan data mining dan machine learning menggunakan MS.Excel:

Serta panduan coding implementasi data mining dan maching learning ke dalam bahasa pemrograman python dan Anda diminta untuk menginstall terlebih dahulu Anaconda:

Jika ada pertanyaan silahkan hubungi kami di:

#belajar_datamining #data_science #machine_learning #data_mining #materi_data_mining #materi_maching_learning #preprocessing_data #feature_selection_algorithm #classification_algorithm #clustering_algorithm #association_rule_algorithm

Belajar Data Science, Materi Data Science, Belajar Data Mining, Materi Data Mining, Belajar Machine Learning, Materi Machine Learning, Algoritma Klasifikasi Naive Bayes, Algoritma Klasifikasi Decision Tree, Algoritma Klasifikasi K-Nearest Neighbor, Algoritma Seleksi Fitur Information Gain, Algoritma Seleksi Fitur Fisher’s Discriminant Ratio, Algoritma Seleksi Fitur Chi-square, Algoritma K-Means Clustering, Algoritma Hierarchical K-Means Clustering, Algoritma Association Rule Apriori, Text Mining Berbasis Web, Machine Learning Berbasis Web, Naive Bayes Berbasis Web, Decision Tree Berbasis Web, K-Nearest Neighbor Berbasis Web, Data Mining Berbasis Web, Apriori Berbasis Web

5,004 total views, 1 views today