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 membahas tentang Data Science. Setiap pelajaran mencakup kuis sebelum dan sesudah 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 'melekat'.

Terima kasih hangat 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 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

Jika Anda ingin bahasa terjemahan tambahan didukung, daftar lengkapnya tersedia di sini

Bergabung dengan Komunitas Kami

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

Apakah Anda seorang pelajar?

Mulailah dengan sumber daya berikut:

• Halaman Student Hub Di halaman ini, Anda akan menemukan sumber daya untuk pemula, paket pelajar, 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 Bergabunglah dengan komunitas global duta pelajar, ini bisa menjadi jalan Anda ke Microsoft.

Memulai

📚 Dokumentasi

• Panduan Instalasi - Instruksi pengaturan 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 Pelajar

Pemula Lengkap: Baru mengenal data science? Mulailah dengan contoh ramah pemula kami! Contoh sederhana dan berkomentar baik ini akan membantu Anda memahami dasar-dasar sebelum menyelami kurikulum penuh. Pelajar: untuk menggunakan kurikulum ini sendiri, fork seluruh repo dan selesaikan latihan sendiri, mulai dengan kuis pra-ceramah. Kemudian baca ceramah dan selesaikan aktivitas lainnya. Cobalah membuat proyek dengan memahami pelajaran daripada menyalin kode solusi; namun, kode tersebut tersedia di folder /solutions di setiap pelajaran berorientasi proyek. Ide lain adalah membentuk kelompok belajar dengan teman dan mempelajari konten bersama. Untuk studi lebih lanjut, kami merekomendasikan Microsoft Learn.

Mulai Cepat:

1. Periksa Panduan Instalasi untuk menyiapkan lingkungan Anda
2. Tinjau Panduan Penggunaan untuk belajar cara bekerja dengan kurikulum
3. Mulai 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!

Kenali 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 ini 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 nyata ilmu data, dan lainnya.

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

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

Setiap pelajaran mencakup:

• Sketchnote opsional
• Video tambahan opsional
• Kuis pemanasan sebelum pelajaran
• Pelajaran tertulis
• Untuk pelajaran berbasis proyek, panduan langkah demi langkah tentang cara 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-kuis tersebut terhubung dari dalam pelajaran, tetapi aplikasi kuis dapat dijalankan secara lokal atau dideploy ke Azure; ikuti instruksi di folder quiz-app. Kuis-kuis ini sedang secara bertahap dilokalisasi.

🎓 Contoh Ramah Pemula

Baru di 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 - Belajar membaca dan mengeksplorasi dataset
• 📊 Analisis Sederhana - Menghitung statistik dan menemukan pola
• 📈 Visualisasi Dasar - Membuat grafik dan diagram
• 🔬 Proyek Dunia Nyata - Alur kerja lengkap dari awal hingga selesai

Setiap contoh mencakup komentar rinci yang menjelaskan setiap langkah, membuatnya sempurna untuk pemula mutlak!

👉 Mulai dengan contoh 👈

Pelajaran

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

Nomor Pelajaran	Topik	Pengelompokan Pelajaran	Tujuan Pembelajaran	Pelajaran Terkait	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 Etika Data, Tantangan & Kerangka Kerja.	pelajaran	Nitya
03	Mendefinisikan Data	Pendahuluan	Bagaimana data diklasifikasikan dan sumber umumnya.	pelajaran	Jasmine
04	Pengenalan Statistik & Probabilitas	Pendahuluan	Teknik matematika probabilitas dan statistik untuk memahami data.	pelajaran video	Dmitry
05	Bekerja dengan Data Relasional	Bekerja Dengan Data	Pengenalan data relasional dan dasar-dasar eksplorasi serta analisis data relasional dengan Structured Query Language, yang juga 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 pustaka seperti Pandas. Pemahaman dasar pemrograman Python disarankan.	pelajaran video	Dmitry
08	Persiapan Data	Bekerja Dengan Data	Topik teknik data untuk membersihkan dan mengubah data guna menangani 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	Memvisualisasikan pengamatan dan tren dalam suatu interval.	pelajaran	Jen
11	Visualisasi Proporsi	Visualisasi Data	Memvisualisasikan persentase diskrit dan berkelompok.	pelajaran	Jen
12	Visualisasi Hubungan	Visualisasi Data	Memvisualisasikan koneksi dan korelasi antara set data dan variabelnya.	pelajaran	Jen
13	Visualisasi Bermakna	Visualisasi Data	Teknik dan panduan untuk membuat visualisasi Anda bernilai untuk pemecahan masalah dan wawasan yang efektif.	pelajaran	Jen
14	Pengenalan siklus hidup Ilmu Data	Siklus Hidup	Pengenalan siklus hidup ilmu data dan langkah pertama yaitu memperoleh dan mengekstrak data.	pelajaran	Jasmine
15	Menganalisis	Siklus Hidup	Fase siklus hidup ilmu data ini berfokus pada teknik untuk menganalisis data.	pelajaran	Jasmine
16	Komunikasi	Siklus Hidup	Fase siklus hidup ilmu data ini 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	Mendeploy model dengan Azure Machine Learning Studio.	pelajaran	Tiffany dan Maud
20	Ilmu Data di Dunia Nyata	Di Dunia Nyata	Proyek ilmu data yang dijalankan di dunia nyata.	pelajaran	Nitya

GitHub Codespaces

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

1. Klik menu drop-down 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-langkah ini untuk membuka repo ini dalam container menggunakan mesin lokal Anda dan VSCode dengan ekstensi VS Code Remote - Containers:

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

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

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

Atau buka versi repositori 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 jalankan.

Akses Offline

Anda dapat menjalankan dokumentasi ini secara offline dengan menggunakan Docsify. Fork repo ini, pasang Docsify di mesin lokal Anda, lalu di folder root repo ini, ketik docsify serve. Situs web akan disajikan 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 menghasilkan kurikulum lain! Lihat:

LangChain

---

Azure / Edge / MCP / Agents

---

Seri AI Generatif

---

Pembelajaran Inti

---

Seri Copilot

Mendapatkan Bantuan

Mengalami masalah? Periksa Panduan Pemecahan Masalah kami untuk solusi 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 disambut dan pengetahuan dibagikan secara bebas.

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

---

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