WORKSHOP BIG DATA DAN SAINS DATA
Workshop ini dirancang untuk memberikan pemahaman dan keterampilan praktis dalam mengolah, menganalisis, dan memanfaatkan data dalam jumlah besar (big data) menggunakan pendekatan dan alat dari bidang sains data (data science). Workshop ini cocok untuk profesional, akademisi, analis data pemula, atau siapa pun yang ingin memahami dan memanfaatkan data sebagai aset strategis.
Peserta memahami Dasar-dasar Data Science
Peserta memahami Tahapan dan Proses dalam Data Science
Peserta memahami jenis Statistik dalam Data Science dan bentuk Eksplorasi Data
Peserta memahami Jenis-jenis Visualisasi Data
Peserta memahmi Data Mining dan cara kerjanya
Peserta memahami Teknik Klasifikasi dan Klaster sampai pada
Peserta memahami dan menjelaskan tentang Pembangunan Jaringan Informasi serta penerapannya dalam Keorganisasian Pemerintah, Swasta serta dan Riset Dasar maupun terapan
Peserta memahami dan menjelaskan tentang Jaringan Sosial
Peserta memahami teknik Crawling dan Scrapping Data Besar
Peserta menjelaskan dan menerapkan Bentuk-bentuk Visualisasi Jaringan Data Besar dan Analisis Data Besar berbasis Jaringan
Mahasiswa memahami Text Mining dan fungsi serta cara kerja Text
Peserta memahami Analisis Sentiment dan kegunaannya dalam Studi Politik, dan Intelijen
Peserta memahami dan mengInterpretasi Data pada hasil analisa dengan Data Besar dalam pendekatan Sains Data
Pengantar Data Science
Pembangunan Model Representatif
Algoritma Data Science
Esensi Data Science
Profesi dan pekerjaan Data Scientist
Data Science untuk AI
Tahapan-tahapan dalam Data Science.
Data dan Skala Pengukuran Data
Data Terstruktur dan Tidak Terstruktur
Bahasa Pemrograman
Data Berbasis Graph, Audio, Video dan Citra Digital.
Data Streaming
Numerik dan Kategorik.
Ketidakpastian (Uncertainty Data Science) mencakup:
1. Kekeliruan dalam memahami Dtaa
2. Kesalahan dalam memilih, pengukuran/perhitungan dan cata mempersentasikan Data.
3. Kesalahan dalam kuantifikasi dan Proses Analisis Data
Kerangka Kerja memvisualisasi Ketidakpastian data
Bentuk Eksplorasi Data
Tujuan Eksplorasi Data
Hasil Eksplorasi Data
Panduan dan tahapan dalam Eksplorasi Data
Data Preprocessing:
1. Data Cleaning
2. Penanganan Noise Data
3. Data Converting
Visualisasi Data Univariat
Visualisasi Data Multivariat
Visualisasi Data Interval dan Rasio
Visualisasi Data Kuantitatif dan Kualitatif
Visualisasi Data Jaringan
Visualisasi Data Statis dan Dinamis
Visualisasi Data Time Series
Pengertian Data Mining
Konsep-konsep dalam Data Mining
Proses dan Tahapan Data Mining
Manfaat dan Fungsi Data Mining
Penerapan Data Mining
Kategori Data Mining dan Transformasi Data.
Mengenal Data Mining Tool
Teknik Klasifikasi Decision Tree
Teknik Klasifikasi Teorema Bayes dan Metode Naive Bayes.
Data Training
Teknik Klasifikasi Analisa Diskriminan
Teknik Klastering K-Means
Analisa Asosiasi
Exploratory Data Analysis
Jenis-jenis Analisa Data;
Analisa data mencakup
Deskriptif; Diagnostic; Predictive; dan Prescriptive.
Pengertian Jaringan Informasi
Jaringan Informasi dalam lembaga Pemerintah
Jaringan Informasi dalam Badan Intelijen.
Membangun Jaringan Informasi.
Mengidentifikasi Sumber Jaringan informasi.
Pengertian Jaringan Sosial dan Media Sosial
Keterhubungan Jaringan dan Aktor
Model-model Jaringan Sosial
Tahapan dalam Analisis Jaringan Sosial
Memetakan Struktur Jaringan
Teknik Crawling berbasis Bahasa Pemrograman (Phyton)
Scrapping data berbasis Sheet (Google Spreadsheet atau Excel)
Scrapping Text berbasis Aplikasi Perangkat Lunak
Jenis-jenis Visualisasi Jaringan
Karakteristik Jejaring Sosial
Analisa Data Level Sistem
Analisa Data berbasis Metrik Jejaring Sosial pada Derajat Tingkatan (Centrality)
Metrik Jejaring Sosial dengan modularity
Komputasi Jejaring Sosial dengan Bahasa R dan Phyton
Pengertian Text mining
Tahapan Text Mining
Implikasi Text Mining
Implementasi dan Pengaplikasian Text Mining.
Aplikasi Text Mining dan Penerapannya dalam berbagai Studi Sosial
Pengertian Analisis Sentimen
Jenis-jenis Analisis Sentimen
Tahapan dana Analisis Sentimen dengan bahasa R dan Phyton
Analisis Sentimen dengan menggunakan Naïve Bayes
Interpretasi Data pada Big data dan bidang sains Data lainnya.
Mengidentifikasi permasalahan sosial dan negara berdasarkan pembacaan pada Data.
Melakukan Prediktif berdasarkan hasil analisa Data
