Data-Science-For-Beginners/translations/id

Data Science untuk Pemula - Kurikulum

Azure Cloud Advocates di Microsoft dengan senang hati menawarkan kurikulum 10 minggu, 20 pelajaran yang seluruhnya mengenai Data Science. Setiap pelajaran mencakup kuis pra-pelajaran dan pasca-pelajaran, instruksi tertulis untuk menyelesaikan pelajaran, solusi, dan tugas. Pedagogi berbasis proyek kami memungkinkan Anda belajar sambil membangun, cara terbukti agar keterampilan baru 'menempel'.

Terima kasih yang sebesar-besarnya kepada para penulis kami: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Terima kasih khusus 🙏 kepada para penulis, pengulas, dan kontributor konten Microsoft Student Ambassador, terutama Aaryan Arora, Aditya Garg, Alondra Sanchez, Ankita Singh, Anupam Mishra, Arpita Das, ChhailBihari Dubey, Dibri Nsofor, Dishita Bhasin, Majd Safi, Max Blum, Miguel Correa, Mohamma Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymond Wangsa Putra, Rohit Yadav, Samridhi Sharma, Sanya Sinha, Sheena Narula, Tauqeer Ahmad, Yogendrasingh Pawar , Vidushi Gupta, Jasleen Sondhi

Data Science untuk Pemula - Sketchnote oleh @nitya

🌐 Dukungan Multi-Bahasa

Didukung via GitHub Action (Otomatis & Selalu Terbaru)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Lebih Suka Clone Secara Lokal?

Repositori ini termasuk lebih dari 50 terjemahan bahasa yang secara signifikan meningkatkan ukuran unduhan. Untuk melakukan clone tanpa terjemahan, gunakan sparse checkout:

git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

Ini memberi Anda semua yang Anda butuhkan untuk menyelesaikan kursus dengan unduhan yang jauh lebih cepat.

Jika Anda ingin agar bahasa tambahan didukung, daftar bahasa yang didukung ada di sini

Bergabung dengan Komunitas Kami

Kami memiliki seri belajar Discord dengan AI yang sedang berlangsung, pelajari lebih lanjut dan bergabunglah dengan kami di Seri Belajar dengan AI dari 18 - 30 September, 2025. Anda akan mendapatkan tips dan trik menggunakan GitHub Copilot untuk Data Science.

Apakah Anda seorang mahasiswa?

Mulailah dengan sumber daya berikut:

• Halaman Student Hub Di halaman ini, Anda akan menemukan sumber daya untuk pemula, paket Mahasiswa, dan bahkan cara mendapatkan voucher sertifikat gratis. Ini adalah halaman yang ingin Anda tandai dan periksa dari waktu ke waktu karena kami mengganti konten setidaknya setiap bulan.
• Microsoft Learn Student Ambassadors Bergabung dengan komunitas global duta mahasiswa, ini bisa menjadi jalan Anda ke Microsoft.

Memulai

📚 Dokumentasi

• Panduan Instalasi - Instruksi setup langkah demi langkah untuk pemula
• Panduan Penggunaan - Contoh dan alur kerja umum
• Pemecahan Masalah - Solusi untuk masalah umum
• Panduan Kontribusi - Cara berkontribusi pada proyek ini
• Untuk Guru - Panduan mengajar dan sumber daya kelas

👨‍🎓 Untuk Mahasiswa

Pemula Total: Baru dalam data science? Mulailah dengan contoh ramah pemula kami! Contoh sederhana dan diberi komentar ini akan membantu Anda memahami dasar-dasarnya sebelum masuk ke seluruh kurikulum. Mahasiswa: untuk menggunakan kurikulum ini secara mandiri, fork seluruh repo dan selesaikan latihan sendiri, mulai dengan kuis pra-ceramah. Kemudian baca ceramah dan selesaikan sisa aktivitas. Cobalah buat proyek dengan memahami pelajaran daripada menyalin kode solusi; namun, kode itu tersedia di folder /solutions di setiap pelajaran yang berorientasi proyek. Ide lain adalah membentuk kelompok belajar dengan teman dan melewati konten bersama. Untuk studi lebih lanjut, kami merekomendasikan Microsoft Learn.

Mulai Cepat:

1. Cek Panduan Instalasi untuk menyiapkan lingkungan Anda
2. Tinjau Panduan Penggunaan untuk belajar cara bekerja dengan kurikulum
3. Mulailah dengan Pelajaran 1 dan kerjakan secara berurutan
4. Bergabunglah dengan komunitas Discord kami untuk dukungan

👩‍🏫 Untuk Guru

Guru: kami telah menyertakan beberapa saran tentang cara menggunakan kurikulum ini. Kami sangat menghargai umpan balik Anda di forum diskusi kami!

Kenalan dengan Tim

Gif oleh Mohit Jaisal

🎥 Klik gambar di atas untuk menonton video tentang proyek dan orang-orang yang membuatnya!

Pedagogi

Kami telah memilih dua prinsip pedagogis saat membangun kurikulum ini: memastikan bahwa kurikulum ini berbasis proyek dan menyertakan kuis secara berkala. Pada akhir seri ini, siswa akan mempelajari prinsip dasar ilmu data, termasuk konsep etika, persiapan data, berbagai cara bekerja dengan data, visualisasi data, analisis data, penggunaan ilmu data di dunia nyata, dan lainnya.

Selain itu, kuis ringan sebelum kelas menetapkan niat siswa untuk belajar sebuah topik, sementara kuis kedua setelah kelas memastikan penyerapan materi lebih lanjut. Kurikulum ini dirancang agar fleksibel dan menyenangkan dan dapat diikuti secara keseluruhan atau sebagian. Proyek-proyek dimulai dari yang kecil dan menjadi semakin kompleks pada akhir siklus 10 minggu.

Temukan Kode Etik, panduan Kontribusi, Terjemahan kami. Kami menyambut masukan konstruktif Anda!

Setiap pelajaran mencakup:

• Sketchnote opsional
• Video pelengkap opsional
• Kuis pemanasan sebelum pelajaran
• Pelajaran tertulis
• Untuk pelajaran berbasis proyek, panduan langkah-demi-langkah membangun proyek
• Pemeriksaan pengetahuan
• Tantangan
• Bacaan pelengkap
• Tugas
• Kuis setelah pelajaran

Catatan tentang kuis: Semua kuis terdapat di folder Quiz-App, dengan total 40 kuis masing-masing berisi tiga pertanyaan. Mereka dihubungkan dari dalam pelajaran, tetapi aplikasi kuis dapat dijalankan secara lokal atau dideploy ke Azure; ikuti instruksi di folder quiz-app. Kuis sedang dalam proses pelokalan secara bertahap.

🎓 Contoh Ramah Pemula

Baru dalam Ilmu Data? Kami telah membuat direktori contoh khusus dengan kode sederhana dan berkomentar jelas untuk membantu Anda memulai:

• 🌟 Hello World - Program ilmu data pertama Anda
• 📂 Memuat Data - Pelajari cara membaca dan mengeksplorasi dataset
• 📊 Analisis Sederhana - Hitung statistik dan temukan pola
• 📈 Visualisasi Dasar - Buat grafik dan diagram
• 🔬 Proyek Dunia Nyata - Alur kerja lengkap dari awal hingga akhir

Setiap contoh dilengkapi komentar terperinci yang menjelaskan setiap langkah, sangat cocok untuk pemula mutlak!

👉 Mulai dengan contoh 👈

Pelajaran

Ilmu Data untuk Pemula: Peta Jalan - Sketchnote oleh @nitya

Nomor Pelajaran	Topik	Kelompok Pelajaran	Tujuan Pembelajaran	Pelajaran Terkait	Penulis
01	Mendefinisikan Ilmu Data	Pengantar	Pelajari konsep dasar di balik ilmu data dan bagaimana kaitannya dengan kecerdasan buatan, pembelajaran mesin, dan big data.	pelajaran video	Dmitry
02	Etika Ilmu Data	Pengantar	Konsep Etika Data, Tantangan & Kerangka Kerja.	pelajaran	Nitya
03	Mendefinisikan Data	Pengantar	Bagaimana data diklasifikasikan dan sumber umumnya.	pelajaran	Jasmine
04	Pengantar Statistik & Probabilitas	Pengantar	Teknik matematika probabilitas dan statistik untuk memahami data.	pelajaran video	Dmitry
05	Bekerja dengan Data Relasional	Bekerja dengan Data	Pengantar data relasional dan dasar eksplorasi serta analisis data relasional dengan Structured Query Language, yang dikenal dengan SQL (dibaca “see-quell”).	pelajaran	Christopher
06	Bekerja dengan Data NoSQL	Bekerja dengan Data	Pengantar data non-relasional, berbagai tipenya dan dasar eksplorasi serta analisis database dokumen.	pelajaran	Jasmine
07	Bekerja dengan Python	Bekerja dengan Data	Dasar menggunakan Python untuk eksplorasi data dengan pustaka seperti Pandas. Disarankan memiliki pemahaman dasar tentang pemrograman Python.	pelajaran video	Dmitry
08	Persiapan Data	Bekerja dengan Data	Topik tentang teknik data untuk membersihkan dan mengubah data guna mengatasi tantangan data yang hilang, tidak akurat, atau tidak lengkap.	pelajaran	Jasmine
09	Visualisasi Kuantitas	Visualisasi Data	Pelajari cara menggunakan Matplotlib untuk memvisualisasikan data burung 🦆	pelajaran	Jen
10	Visualisasi Distribusi Data	Visualisasi Data	Visualisasi observasi dan tren dalam sebuah interval.	pelajaran	Jen
11	Visualisasi Proporsi	Visualisasi Data	Visualisasi persentase diskrit dan berkelompok.	pelajaran	Jen
12	Visualisasi Hubungan	Visualisasi Data	Visualisasi koneksi dan korelasi antar set data dan variabelnya.	pelajaran	Jen
13	Visualisasi yang Bermakna	Visualisasi Data	Teknik dan panduan untuk membuat visualisasi Anda berharga untuk pemecahan masalah dan wawasan yang efektif.	pelajaran	Jen
14	Pengantar Siklus Hidup Ilmu Data	Siklus Hidup	Pengantar siklus hidup ilmu data dan langkah pertama yaitu memperoleh dan mengekstrak data.	pelajaran	Jasmine
15	Menganalisis	Siklus Hidup	Fase siklus hidup ilmu data yang berfokus pada teknik analisis data.	pelajaran	Jasmine
16	Komunikasi	Siklus Hidup	Fase siklus hidup ilmu data yang berfokus pada penyajian wawasan dari data dengan cara yang memudahkan pengambil keputusan untuk memahami.	pelajaran	Jalen
17	Ilmu Data di Cloud	Data Cloud	Seri pelajaran ini memperkenalkan ilmu data di cloud dan manfaatnya.	pelajaran	Tiffany dan Maud
18	Ilmu Data di Cloud	Data Cloud	Melatih model menggunakan alat Low Code.	pelajaran	Tiffany dan Maud
19	Ilmu Data di Cloud	Data Cloud	Mendistribusikan model dengan Azure Machine Learning Studio.	pelajaran	Tiffany dan Maud
20	Ilmu Data di Lapangan	Di Lapangan	Proyek-proyek ilmu data di dunia nyata.	pelajaran	Nitya

GitHub Codespaces

Ikuti langkah berikut untuk membuka contoh ini di Codespace:

1. Klik menu tarik turun Code dan pilih opsi Open with Codespaces.
2. Pilih + New codespace di bagian bawah panel. Untuk info lebih lanjut, lihat dokumentasi GitHub.

VSCode Remote - Containers

Ikuti langkah berikut untuk membuka repo ini dalam container menggunakan mesin lokal dan VSCode dengan ekstensi VS Code Remote - Containers:

1. Jika ini pertama kali Anda menggunakan container pengembangan, pastikan sistem Anda memenuhi prasyarat (misalnya telah menginstal Docker) dalam dokumentasi memulai.

Untuk menggunakan repositori ini, Anda dapat membuka repositori di volume Docker terisolasi:

Catatan: Secara teknis, ini akan menggunakan perintah Remote-Containers: Clone Repository in Container Volume... untuk mengkloning kode sumber di volume Docker alih-alih sistem file lokal. Volumes adalah mekanisme yang disarankan untuk menyimpan data container.

Atau buka versi lokal yang sudah diklon atau diunduh dari repositori:

• Kloning repositori ini ke sistem file lokal Anda.
• Tekan F1 dan pilih perintah Remote-Containers: Open Folder in Container....
• Pilih salinan folder yang sudah diklon, tunggu kontainer mulai, dan coba gunakan.

Akses Offline

Anda dapat menjalankan dokumentasi ini secara offline dengan menggunakan Docsify. Fork repo ini, instal Docsify di mesin lokal Anda, lalu di folder root repo ini, ketik docsify serve. Situs web akan dilayani di port 3000 pada localhost Anda: localhost:3000.

Catatan, notebook tidak akan dirender melalui Docsify, jadi saat Anda perlu menjalankan notebook, lakukan secara terpisah di VS Code yang menjalankan kernel Python.

Kurikulum Lainnya

Tim kami juga memproduksi kurikulum lain! Lihat:

LangChain

---

Azure / Edge / MCP / Agen

---

Seri AI Generatif

---

Pembelajaran Inti

---

Seri Copilot

Mendapatkan Bantuan

Mengalami masalah? Periksa Panduan Pemecahan Masalah kami untuk solusi atas masalah umum.

Jika Anda mengalami kebuntuan atau memiliki pertanyaan tentang membangun aplikasi AI. Bergabunglah dengan sesama pelajar dan pengembang berpengalaman dalam diskusi tentang MCP. Ini adalah komunitas yang mendukung di mana pertanyaan dipersilakan dan pengetahuan dibagikan secara bebas.

Jika Anda memiliki masukan produk atau menemukan kesalahan saat membangun kunjungi:

---

Penafian:
Dokumen ini telah diterjemahkan menggunakan layanan penerjemahan AI Co-op Translator. Meskipun kami berupaya mencapai akurasi, harap ketahui bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang sah dan utama. Untuk informasi penting, disarankan menggunakan penerjemahan profesional oleh manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau penafsiran yang keliru yang timbul dari penggunaan terjemahan ini.