Data-Science-For-Beginners/translations/id

Data Science untuk Pemula - Sebuah Kurikulum

Azure Cloud Advocates di Microsoft dengan senang hati menawarkan sebuah kurikulum 10-minggu, 20-pelajaran yang membahas tentang Ilmu Data. Setiap pelajaran mencakup kuis sebelum dan setelah pelajaran, instruksi tertulis untuk menyelesaikan pelajaran, solusi, dan tugas. Metode pembelajaran berbasis proyek kami memungkinkan Anda belajar sambil membangun, cara yang terbukti efektif agar keterampilan baru 'menempel'.

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

🙏 Ucapan terima kasih khusus 🙏 kepada para penulis, reviewer, 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 melalui 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 mencakup lebih dari 50+ terjemahan bahasa yang secara signifikan meningkatkan ukuran unduhan. Untuk clone tanpa terjemahan, gunakan sparse checkout:

Bash / macOS / Linux:

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'

CMD (Windows):

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 bahasa terjemahan tambahan didukung, daftar bahasa tersebut ada di sini

Bergabung dengan Komunitas Kami

Kami memiliki seri belajar Discord dengan AI yang sedang berjalan, pelajari lebih lanjut dan bergabunglah dengan kami di Learn with AI Series dari tanggal 18 - 30 September 2025. Anda akan mendapatkan tips dan trik menggunakan GitHub Copilot untuk Ilmu Data.

Apakah Anda seorang mahasiswa?

Mulailah dengan sumber daya berikut:

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

Memulai

📚 Dokumentasi

• Panduan Instalasi - Instruksi 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 Pengajar - Panduan pengajaran dan sumber daya kelas

👨‍🎓 Untuk Mahasiswa

Pemula Total: Baru di ilmu data? Mulailah dengan contoh yang ramah pemula! Contoh sederhana ini dengan komentar yang baik akan membantu Anda memahami dasar-dasarnya sebelum menyelam ke kurikulum lengkap. Mahasiswa: untuk menggunakan kurikulum ini sendiri, fork seluruh repo dan selesaikan latihan sendiri, mulai dengan kuis pra-lecture. Kemudian baca materi kuliah dan selesaikan sisa aktivitas. Cobalah untuk membuat proyek dengan memahami pelajarannya daripada menyalin kode solusi; namun, kode tersebut tersedia di folder /solutions di setiap pelajaran berorientasi proyek. Ide lain adalah membentuk kelompok belajar dengan teman-teman dan melalui konten bersama. Untuk studi lebih lanjut, kami sarankan Microsoft Learn.

Mulai Cepat:

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

👩‍🏫 Untuk Pengajar

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

Bertemu Tim

Gif oleh Mohit Jaisal

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

Pedagogi

Kami telah memilih dua prinsip pedagogis saat membangun kurikulum ini: memastikan bahwa kurikulum berbasis proyek dan mencakup kuis yang sering. 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, kasus penggunaan ilmu data di dunia nyata, dan lainnya.

Selain itu, kuis dengan tingkat kesulitan rendah sebelum kelas menetapkan niat siswa untuk mempelajari topik, sementara kuis kedua setelah kelas memastikan retensi lebih lanjut. Kurikulum ini dirancang agar fleksibel dan menyenangkan serta dapat diikuti secara keseluruhan atau sebagian. Proyek dimulai dari yang kecil dan menjadi semakin kompleks pada akhir siklus 10 minggu.

Temukan Kode Etik, Kontribusi, dan panduan Terjemahan kami. Kami menyambut umpan balik konstruktif Anda!

Setiap pelajaran mencakup:

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

Catatan tentang kuis: Semua kuis terdapat di folder Quiz-App, dengan total 40 kuis masing-masing berisi tiga pertanyaan. Kuis ini terhubung di dalam pelajaran, namun aplikasi kuis dapat dijalankan secara lokal atau dideploy ke Azure; ikuti instruksi di folder quiz-app. Kuis tersebut sedang secara bertahap diterjemahkan.

🎓 Contoh Ramah Pemula

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

• 🌟 Hello World - Program ilmu data pertama Anda
• 📂 Memuat Data - Pelajari cara membaca dan menjelajahi 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 menyertakan komentar terperinci yang menjelaskan setiap langkah, membuatnya sempurna untuk pemula sejati!

👉 Mulai dengan contoh 👈

Pelajaran

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

Nomor Pelajaran	Topik	Pengelompokan Pelajaran	Tujuan Pembelajaran	Pelajaran yang Terhubung	Penulis
01	Mendefinisikan Ilmu Data	Pendahuluan	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	Pendahuluan	Konsep, tantangan & kerangka kerja Etika Data.	pelajaran	Nitya
03	Mendefinisikan Data	Pendahuluan	Cara data diklasifikasikan dan sumber umumnya.	pelajaran	Jasmine
04	Pengantar Statistik & Probabilitas	Pendahuluan	Teknik matematis probabilitas dan statistik untuk memahami data.	pelajaran video	Dmitry
05	Bekerja dengan Data Relasional	Bekerja dengan Data	Pengenalan data relasional dan dasar eksplorasi serta analisis data relasional dengan Structured Query Language, yang dikenal sebagai SQL (diucapkan “see-quell”).	pelajaran	Christopher
06	Bekerja dengan Data NoSQL	Bekerja dengan Data	Pengenalan data non-relasional, berbagai jenisnya, dan dasar eksplorasi serta analisis basis data dokumen.	pelajaran	Jasmine
07	Bekerja dengan Python	Bekerja dengan Data	Dasar penggunaan Python untuk eksplorasi data dengan perpustakaan seperti Pandas. Disarankan memahami dasar pemrograman Python.	pelajaran video	Dmitry
08	Persiapan Data	Bekerja dengan Data	Topik teknik data untuk membersihkan dan mengubah data untuk 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 pengamatan dan tren dalam suatu interval.	pelajaran	Jen
11	Visualisasi Proporsi	Visualisasi Data	Visualisasi persentase diskrit dan berkelompok.	pelajaran	Jen
12	Visualisasi Hubungan	Visualisasi Data	Visualisasi koneksi dan korelasi antara kumpulan data dan variabelnya.	pelajaran	Jen
13	Visualisasi yang Bermakna	Visualisasi Data	Teknik dan panduan untuk membuat visualisasi Anda bernilai guna pemecahan masalah dan wawasan yang efektif.	pelajaran	Jen
14	Pengenalan Siklus Hidup Ilmu Data	Siklus Hidup	Pengenalan siklus hidup ilmu data dan langkah pertamanya yaitu memperoleh dan mengekstrak data.	pelajaran	Jasmine
15	Menganalisis	Siklus Hidup	Fase siklus hidup ilmu data yang berfokus pada teknik menganalisis 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 memahaminya.	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	Pelatihan model menggunakan alat Low Code.	pelajaran	Tiffany dan Maud
19	Ilmu Data di Cloud	Data Cloud	Mendeploy model dengan Azure Machine Learning Studio.	pelajaran	Tiffany dan Maud
20	Ilmu Data di Dunia Nyata	Di Dunia Nyata	Proyek yang digerakkan oleh ilmu data di dunia nyata.	pelajaran	Nitya

GitHub Codespaces

Ikuti langkah-langkah ini untuk membuka contoh ini di Codespace:

1. Klik menu drop-down Kode 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 ini untuk membuka repo ini dalam container menggunakan mesin lokal Anda 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 dalam volume Docker terisolasi:

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

Atau buka versi repo yang sudah dikloning atau diunduh secara lokal:

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

Akses Offline

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

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

Kurikulum Lain

Tim kami menghasilkan kurikulum lain! Periksa:

LangChain

Azure / Edge / MCP / Agen

---

Seri AI Generatif

---

Pembelajaran Inti

---

Seri Copilot

Mendapatkan Bantuan

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

Jika Anda mengalami kesulitan 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 diterima dan pengetahuan dibagikan secara bebas.

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

---

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