Bootcamp Data Analyst with Python & SQL
Mentor:
- Shella Theresya Pandiangan - Data Scientist di Astra Heavy Equipment Group
- Bachtiyar Muclis Arief - Data Scientist di Dinas Pelayanan Modal PTSP DKI Jakarta
- Abel Kristanto W. - Data Scientist di Financial Institution
-
Anton Suhartono - Product Owner (Prev. Data Scientist) PT Telkom
Indonesia Tbk
Detail Kelas:
Jumlah Sesi |
|
Batch |
|
Channel Belajar |
|
Jadwal Kelas |
|
Apa yang akan di dapatkan: |
|
Kapasitas Kelas |
|
Minimum Spec Laptop |
|
Melangkah Pasti dengan
Bimbingan Intensif untuk
Percaya Diri Bangun Skill Data Analyst
Bimbingan Intensif & Interaktif dari dasar hingga mahir |
Bimbingan secara khusus untuk instalasi software, pemahaman materi, hingga pembuatan portfolio |
Materi & Dataset Berdasarkan Studi Kasus Industri |
Materi yang tersedia dirancang khusus secara terstruktur menggunakan dataset yang mencerminkan kebutuhan & kompleksitas industri |
Pembelajaran yang Aplikatif |
Pelajari konsep nya & terapkan langsung dalam latihan & tugas di setiap sesi |
Dibimbing secara intensif untuk bangun portfolio data |
Peserta dibimbing secara langsung oleh mentor dan akan dibagi menjadi kelas khusus, dengan maksimum 30 peserta/kelasnya untuk menjaga kualitas bimbingan. |
Belajar dengan mentor berpengalaman di Industri |
Belajar langsung dengan praktisi data dari beragam industri ternama |
Bangun percaya diri dengan ikuti Pre-Test & Post-Test |
Ukur progress belajar dengan pre-test & post-test DQLab. Dapatkan sertifikatnya,dan ulang kembali materi yang telah dipelajari |
Detail Materi yang Akan Dipelajari:
1. PROGRAM ONBOARDING
Peserta akan berkenalan, dibimbing untuk melakukan instalasi software yang
dibutuhkan di kelas, dan mengikuti pre-test.
LEARNING OUTCOME & DETAIL SESI PERTEMUAN:
- Sesi 1 | Onboarding, Instalasi Software Google Collab, MySQL, dan Dbeaver, dan Pre-Test
2. FUNDAMENTAL SQL
Peserta akan mampu memahami pengolahan dasar data dengan perintah select SQL dari pengambilan data, pengurutan, penyaringan, sampai penggabungan data dengan SQL.
Kemampuan ini penting dimiliki sebagai basis untuk mandiri dalam mempelajari dan memanfaatkan bahasa SQL lebih jauh.
LEARNING OUTCOME & DETAIL SESI PERTEMUAN:
- Memahami konsep dasar Bahasa SQL (Structured Query Language)
- Memahami dasar sistem database MySQL
- Mampu menggunakan SELECT untuk menarik data data
- Mampu menggunakan operator dan fungsi untuk melakukan perhitungan matematika dan pemrosesan teks
- Mampu melakukan FILTERING dan SORTING (menyaring dan mengurutkan)
- Mampu melakukan penggabungan data dengan JOIN dan UNION
-
Mampu melakukan pengelompokan dan agregasi data dengan GROUP BY dan fungsi
agregat
- Sesi 2 | Perkenalan SQL
- Sesi 3 | Penggunaan dasar SELECT
- Sesi 4 | Perhitungan angka, proses teks, dan filtering data
- Sesi 5 | Mengurutkan dan mengelompokkan data
- Sesi 6 | Menggabungkan data dengan JOIN & UNION
3. FUNDAMENTAL PYTHON
Peserta akan mampu memahami coding dasar dengan Python secara bertahap walaupun tidak memiliki pengalaman coding sebelumnya.
Kemampuan ini akan penting dimiliki sebagai basis untuk mempelajari dan memanfaatkan Python dalam mengolah data.
LEARNING OUTCOME & DETAIL SESI PERTEMUAN:
- Memahami konsep dan struktur dasar coding bahasa Python
- Mampu melakukan pengolahan angka dan teks dengan berbagai operator dan fungsi bawaan Python
- Memahami dan mampu menggunakan variabel dan nilai literal dengan berbagai tipe data
- Mampu menggunakan alur logika pengambilan keputusan dengan struktur if dan switch
- Mampu menggunakan alur perulangan dengan while
-
Mampu menggunakan struktur data dasar List dan Dictionary
- Sesi 7 | Perkenalan Python
- Sesi 8 | Struktur Pengambilan Keputusan & Perulangan
- Sesi 9 | Struktur Data List & Dictionary (Part 1)
- Sesi 10 | Struktur Data List & Dictionary (Part 1)
- Sesi 11 | Function & Argument
- Sesi 12 | Class & Object
4. PYTHON IN PREPARATION FOR DATA SCIENCE
Peserta akan mampu memahami pengolahan data dasar dengan Python mulai dari memasukkan data dari file, mengurutkan, memfilter dan menampilkan data dalam bentuk grafik sederhana dengan bantuan struktur data List pada Python, dan memahami struktur data yang lebih baik dalam menghasilkan visualisasi dengan library-library Python populer: Pandas, NumPy dan Matplotlib.
Kemampuan ini penting dimiliki sebagai basis untuk mempelajari dan memanfaatkan Python untuk pengolahan data lanjut seperti visualisasi dengan dashboard, penggunaan Machine Learning dan Artificial Intelligence.
LEARNING OUTCOME & DETAIL SESI PERTEMUAN:
- Mampu membaca file dari file teks dan Excel dengan Python
- Melakukan pengurutan (sorting) data dengan List
- Melakukan penyaringan (filtering) data dengan List
- Mampu menggunakan struktur data Array dari library NumPy untuk melakukan pengolahan data dasar perhitungan matematika dasar
- Mampu menghasilkan grafik dasar Bar Chart dan Line Chart dengan menggunakan MatplotLib berdasarkan struktur data Array dari NumPy
-
Mampu menggunakan struktur data Series dan Dataframe dari library Pandas
untuk melakukan pekerjaan pengolahan data sehari-hari dari memasukkan data
dari file teks dan Excel, melakukan pengurutan, penyaringan, penggabungan
dan operasi perhitungan nilai pada data.
- Sesi 13 | List dan Dictionary pada Python
- Sesi 14 | Mengenal NUMPY dan ARRAYS
- Sesi 15 | Menghasilkan Bar Chart dengan Matplotlib
- Sesi 16 | Menghasilkan Line & Scatter Plot dengan Matplotlib
- Sesi 17 | Pengolahan data dengan Pandas
- Sesi 18 | Membaca data yang lebih komplit dengan Pandas
5. DATA VISUALISATION & STORYTELLING WITH PYTHON
Peserta akan mampu menghasilkan visualisasi yang tepat dan efektif dengan teknik visualisasi dan storytelling.
Kemampuan ini penting dimiliki untuk menyampaikan informasi dengan jelas, cepat dipahami, dan langsung diingat!
LEARNING OUTCOME & DETAIL SESI PERTEMUAN:
- Merancang visualisasi yang menyampaikan informasi dengan jelas, cepat dipahami dan langsung diingat, berdasarkan prinsip-prinsip data storytelling dan penggunaan elemen visual yang tepat
- Menggunakan plotly dari Python untuk menggabungkan visualisasi dalam bentuk dashboard yang interaktif
-
Menggunakan Google Collab untuk mencoba persiapan data yang baik untuk
plotly
- Sesi 19 | Konsep visualisasi dan storytelling yang baik dan bermakna + perkenalan plot.ly
- Sesi 20 | Memperdalam teknik visualisasi dengan Plot.ly
- Sesi 21 | Merancang dashboard yg baik dan efektif serta penerapannya & Post Test
6. PORTFOLIO BUILDING + CONSULTATION
Peserta mendapatkan bimbingan dalam menghasilkan portfolio data dengan
materi yang diterapkan sebelumnya.
LEARNING OUTCOME & DETAIL SESI PERTEMUAN:
- Sesi 22 | Bimbingan Portfolio & Diskusi Studi Kasus
- 7 Hari Konsultasi | Bimbingan Portfolio Intensif
Kelas ini Direkomendasikan Untuk:
- Peserta yang ingin belajar skill Data Analyst dari dasar secara terarah & intensif.
- Peserta yang tertarik untuk memahami dasar Python & SQL hingga penerapan menggunakan Studi Kasus untuk Data Analyst.
- Peserta (Mahasiswa / Pekerja) yang ingin mendalami kemampuan analisis data secara end-to-end.
**Peserta yang telah menjadi premium user akan mendapatkan potongan diskon sebesar 20%
Contoh Portfolio Data yang Dihasilkan:

Belajar Skill Data Analyst secara intensif lewat materi fundamental Python & SQL untuk mengolah dan menganalisa data.

22 Sesi | 20.00 - 22.00 WIB