TypeOnline Course
DateAug 16, 2021 - Sep 17, 2021
Certificate80% of quiz marks
PriceIDR 7000000IDR 3500000
Book Now

Persiapkan Karirmu di Bidang IT dengan
Kelas Part-time Python Programming Fundamentals

Di kelas ini, kamu akan mempelajari dasar-dasar atau fundamental Python.Python bukanlah bahasa pemrograman baru. Menurut Geeksforgeeks, Python sendiri sudah ada cukup lama semenjak tahun 1991.

Bahasa pemrograman yang dikembangkan oleh Guido van Rossum ini terus mengalami pembaruan hingga saat ini. Nama Python sendiri diambil dari prorgam televisi favoritnya yang bernama “Monty Python Flying Circus”.

Python adalah bahasa pemrograman yang populer digunakan di seluruh dunia untuk mengembangkan situs web, algoritma dan menyederhanakan proses otomatisasi.

Di kelas dasar ini kita akan mempelajari konsep dasar dari bahasa pemrograman Python, dimulai dari instalasi Python, variabel, tipe data, kondisi, Pengenalan Data Science, Machine Learning dan diikuti dengan studi kasus menggunakan bahasa pemrograman Python.

Python banyak diaplikasikan pada berbagai sistem operasi seperti Linux, Microsoft Windows, Mac OS, Android, Symbian OS, Amiga, Palm dan lain-lain.

Lewat kelas paruh waktu ini, kamu akan diajarkan mengenai fundamental Python yang akan berguna sebagai pondasi awal belajar coding dan teknologi. Terutama bagi kamu yang bercita-cita untuk berkarir sebagai developer.

 

 

Kelas ini cocok diikuti oleh :

Tujuan Pembelajaran

  • Peserta pelatihan diharapkan dapat memahami konsep dasar dari bahasa pemrograman Python.
  • Peserta pelatihan mampu membuat program sederhana dengan menggunakan bahasa pemrograman Python.

Prasyarat Kelas

  • Spesifikasi minimal komputer/laptop
    – Sistem operasi: Windows, Linux dan MacOS
    – Prosesor: Intel Celeron
    – RAM: 2 GB
  • Koneksi Internet yang stabil

Metode Belajar 

  • Live class
    – Durasi pelatihan : ± 1,5 Bulan
    – Jadwal pertemuan : 16 Pertemuan
    – Total jam : ± 40 Jam
  • Fasilitas belajar
    – Bahan bacaan/modul setiap topik
    – Forum diskusi berupa grup
    – Evaluasi pembelajaran dalam bentuk project akhir, quiz
    mingguan dan quiz harian

Software yang akan digunakan

Pada kelas ini kita akan menggunakan code editor visual studio code tetapi tidak menutup kemungkinan menggunakan code editor yang lainnya.

 

 

Section 1Introduction: Python Programming
Lecture 1Pengenalan PythonMore

Introduction

Pada minggu pertama ini peserta akan melakukan perkenalan kepada mentor dan sebaliknya. Selain itu peserta juga akan diberikan pemahaman mengenai cara pembelajaran ke depan termasuk cara berkomunikasi/diskusi dengan mentor, tools yang
digunakan, konsep dasar bahasa pemrograman Python dll.

Materi yang akan dipelajari

  •  Perkenalan mentor
  •  Perkenalan peserta
  •  Cara pembelajaran
  •  Cara berkomunikasi
  •  Aturan kelas
  •  Bobot penilaian
  •  Tools yang perlu di install
  •  Program pertama Python
  •  Variabel
  •  Tipe data
  •  Konstanta
  •  Operator
  •  Control flow
  •  Looping

Quiz

  • Quiz harian sebanyak 3 – 5 soal / materi
  • Quiz mingguan sebanyak 4 – 6 soal

Latihan

Peserta membuat sebuah program sederhana dari materi yang sudah dipelajari dalam minggu tersebut.

Capaian pada kelas ini

Peserta memiliki pemahaman terhadap konsep dasar Python

Lecture 2Pengaplikasian Python pada industri teknologi
Lecture 3Pengenalan dan instalasi coding platform: offline (IDE & Notebook) dan online (Notebook)
Lecture 4Mode operasi: Interactive (cmd), Scripting, dan Notebook
Lecture 5Coding style pada Python: indentasi, tanda petik, whitespace, komentar
Section Quiz
Section 2Basic Python – part 1
Lecture 6Variabel, prinsip penamaan, dan jenis variabel (lokal & global)
Lecture 7Tipe Data: string, angka, dan logika
Lecture 8Operator: aritmatika, perbandingan, dan logika
Lecture 9ASCII characters
Lecture 10Input/Output
Lecture 11String Formatting
Lecture 12Escape Characters
Section 3Basic Python – part 2
Lecture 13List, Tuple, Set, dan Dictionary, serta perintah operasinya (tambah data, kurangi data, akses data)
Lecture 14Control Flow: Conditional Statement (IF-ELSE)
Lecture 15Control Flow: Iterative Statement (for & while) beserta pengaplikasian zip, enumerate dan menggunakan function tqdm
Lecture 16Control Flow: Transfer Statement (break, continue, pass)
Lecture 17List Comprehension
Section Quiz
Section 4Basic Python – part 3
Lecture 18Keywords (assert, async, raise, yield, await, dsb.)
Lecture 19Jenis-jenis file (binary & teks) dan format file (JSON, TXT, CSV)
Lecture 20File Handling (write, read, append)
Lecture 21Jenis-jenis Exception (NameError, AttributeError, IndentationError, dsb.)
Lecture 22Exception Handling (try, except, finally)
Section Quiz
Section 5Basic Python – part 4
Lecture 23Procedure dan Function serta prisipnya (aturan posisi argument, *args, **kwargs)
Lecture 24Anonymous/Lambda Function
Lecture 25Decorators
Lecture 26Function built-in pada Python
Section 6Object Oriented Programming (OOP)
Lecture 27Pengenalan OOP
Lecture 28Class, Object dan Atribut (class variable & instance variable)
Lecture 29Function constructor vs. Function behavioral
Lecture 30Encapsulation
Lecture 31Inheritance
Lecture 32Polymorphism
Lecture 33Function vs Method
Lecture 34Magic/Dunder (double underscore) Methods
Section 7Python Library Introduction
Lecture 35Pengenalan mengenai Library di Python
Lecture 36Library populer di Python : numpy, pandas, regex, matplotlib, dan lain-lain
Section 8Python Library: NumPy
Lecture 37Pengenalan library NumPy
Lecture 38Membuat NumPy array dan Perhitungan matematis dengan NumPy (sqrt, trigonometry, ceil, floor, log, dan lain-lain)
Section 9Python Library: Pandas
Lecture 39Pengenalan library Pandas
Lecture 40Membuat dataframe dan series, statistik deskriptif dari data tabular (std deviation, mean, min, max, mode, median, dsb.), dan transformasi tabular
Section 10Python Library: Matplotlib & Seaborn
Lecture 41Pengenalan library Matplotlib & Seaborn
Lecture 42Menampilkan visualisasi data (scatter plot, bar plot, line plot, histogram, area plot, pie plot, heat map, distribution plot, box plot dsb.)
Section 11Python Library: RegEx
Lecture 43Pengenalan library RegEx
Lecture 44Mengaplikasikan function (search, findall, split, sub) pada data teks dan pengunaan Metacharacters & Special Sequences
Section 12Python Library: os, datetime, random
Lecture 45Pengenalan library os dan pengaplikasiannya
Lecture 46Pengenalan library datetime dan pengaplikasiannya
Lecture 47Pengenalan library random dan pengaplikasiannya
Section 13Code Management
Lecture 48Pengenalan Version Control System (VCS)
Lecture 49Pengenalan GiHub
Section 14Introduction: Data Science
Lecture 50Pengenalan Data Science
Lecture 51Pengenalan Artificial Intelligence
Lecture 52Data Preparation
Lecture 53Data Preprocessing
Lecture 54Evaluation Metrics
Section 15Machine Learning – part 1
Lecture 55Linear Regression
Lecture 56Regression
Section 16Machine Learning – part 2
Lecture 57Logistic Regression
Lecture 58Decision Tree (DT)
Section 17Machine Learning – part 3
Lecture 59Support Vector Machine (SVM)
Lecture 60K-Nearest Neighbor (KNN)
Section 18Machine Learning – part 4
Lecture 61Naïve Bayes (NB)
Lecture 62Ensemble Learning (EL)
Section 19Machine Learning – part 5
Lecture 63K-Means
Lecture 64Principal Component Analysis (PCA)
Section 20Hyperparameter Tuning
Lecture 65Training model menggunakan Pipeline
Lecture 66K-Fold Cross Validation vs. Stratified K-Fold Cross Validation
Lecture 67Grid Search vs Randomized Search
Section 21Handling Imbalance Data
Lecture 68Over-sampling
Lecture 69Under-sampling
Section 22Introduction : Deep Learning
Lecture 70pengenalan Deep Learning (DL)
Lecture 71Neural Networks (NN)
Section 23Deep Learning Hyperparameter
Lecture 72Konsep epoch, learning rate, batch size, step size
Lecture 73Jenis activation function (ReLU, Sigmoid, TanH, Softmax)
Lecture 74Jenis optimization function (SGD, Momentum, RMSProp, ADAM)
Lecture 75Jenis loss function (cross entropy, MSE, MAE)
Section 24Deep Learning – part 1
Lecture 76Computer Vision (CV)
Lecture 77Convolutional Neural Networks (CNN)
Lecture 78Generative Adversarial Networks (GAN)
Lecture 79Tensorflow
Section 25Deep Learning – part 2
Lecture 80Natural Language Processing (NLP)
Lecture 81Recurrent Neural Networks (RNN)
Lecture 82Long Short-Term Memory (LSTM)
Lecture 83Gated Recurrent Unit (GRU)
Section 26Hyperparameter Tuning
Lecture 84Regularization
Lecture 85L1 dan L2 Regularizer
Lecture 86Dropout
Lecture 87Leraning Rate decay
Lecture 88Early Stopping
Lecture 89Data Augmentation
Final Quiz