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. Pendekatan berbasis proyek kami memungkinkan Anda belajar sambil membangun, cara yang terbukti efektif agar keterampilan baru dapat '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, peninjau, dan kontributor konten dari 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 Mengkloning Secara Lokal?

Repositori ini menyertakan lebih dari 50 terjemahan bahasa yang secara signifikan meningkatkan ukuran unduhan. Untuk mengkloning 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 mendukung bahasa terjemahan tambahan yang didukung tercantum di sini

Bergabung dengan Komunitas Kami

Kami memiliki seri belajar Discord bersama 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 pelajar?

Mulai dengan sumber daya berikut:

• Halaman Student Hub Di halaman ini, Anda akan menemukan sumber daya untuk pemula, paket pelajar, dan bahkan cara mendapatkan voucher sertifikasi gratis. Ini adalah halaman yang ingin Anda simpan sebagai bookmark dan periksa dari waktu ke waktu karena konten kami ubah 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 pengajaran dan sumber 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 mendalami seluruh kurikulum. Pelajar: untuk menggunakan kurikulum ini sendiri, fork seluruh repo dan selesaikan latihan sendiri, mulai dengan kuis sebelum kuliah. Kemudian baca kuliah dan selesaikan kegiatan lainnya. Cobalah membuat proyek dengan memahami pelajaran daripada menyalin kode solusi; meskipun kode tersebut tersedia di folder /solutions pada setiap pelajaran berorientasi proyek. Ide lain adalah membentuk kelompok belajar dengan teman dan mempelajari konten bersama-sama. Untuk studi lebih lanjut, kami merekomendasikan Microsoft Learn.

Mulai Cepat:

1. Periksa Panduan Instalasi untuk mengatur 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 masukan Anda di forum diskusi kami!

Bertemu 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 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, contoh penggunaan ilmu data di dunia nyata, dan lainnya.

Selain itu, kuis dengan tingkat tekanan rendah sebelum kelas memfokuskan niat siswa untuk mempelajari topik, sementara kuis kedua setelah kelas memastikan daya ingat lebih lanjut. Kurikulum ini dirancang untuk 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, 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 dalam folder Quiz-App, dengan total 40 kuis berisi masing-masing tiga pertanyaan. Mereka terhubung dari dalam pelajaran, tetapi aplikasi kuis dapat dijalankan secara lokal atau dideploy ke Azure; ikuti petunjuk di folder quiz-app. Mereka sedang secara bertahap diterjemahkan.

🎓 Contoh Ramah Pemula

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

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

Setiap contoh menyertakan komentar rinci yang menjelaskan setiap langkah, sangat cocok untuk pemula mutlak!

👉 Mulai dengan contoh-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 ilmu data dan hubungannya 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	Cara data diklasifikasikan dan sumber umum data.	pelajaran	Jasmine
04	Pengantar Statistik & Probabilitas	Pengantar	Teknik matematis probabilitas dan statistik untuk memahami data.	pelajaran video	Dmitry
05	Bekerja dengan Data Relasional	Bekerja Dengan Data	Pengenalan data relasional dan dasar-dasar menjelajah serta menganalisis data relasional dengan Structured Query Language, 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-dasar menjelajah serta menganalisis database dokumen.	pelajaran	Jasmine
07	Bekerja dengan Python	Bekerja Dengan Data	Dasar menggunakan Python untuk eksplorasi data dengan pustaka seperti Pandas. Pemahaman dasar pemrograman Python direkomendasikan.	pelajaran video	Dmitry
08	Persiapan Data	Bekerja Dengan Data	Topik teknik data untuk membersihkan dan mengubah data agar dapat 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 sebuah interval.	pelajaran	Jen
11	Visualisasi Proporsi	Visualisasi Data	Memvisualisasikan persentase diskret 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 guna 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 mengakuisisi serta mengekstrak data.	pelajaran	Jasmine
15	Menganalisis	Siklus Hidup	Fase siklus hidup ilmu data ini berfokus pada teknik menganalisis data.	pelajaran	Jasmine
16	Komunikasi	Siklus Hidup	Fase siklus hidup ilmu data ini berfokus pada menyampaikan 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-proyek berbasis ilmu data di dunia nyata.	pelajaran	Nitya

GitHub Codespaces

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

1. Klik menu drop-down Kode dan pilih opsi Buka dengan Codespaces.
2. Pilih + Codespace baru di bagian bawah panel. Untuk informasi lebih lanjut, lihat dokumentasi GitHub.

VSCode Remote - Containers

Ikuti langkah-langkah ini untuk membuka repo ini dalam container menggunakan mesin lokal 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 memasang Docker) dalam dokumentasi memulai.

Untuk menggunakan repositori ini, Anda bisa 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 dalam volume Docker, bukan di filesystem lokal. Volume adalah mekanisme yang disarankan untuk menyimpan data container.

Atau buka salinan repositori yang sudah dikloning atau diunduh secara lokal:

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

Akses Offline

Anda dapat menjalankan dokumentasi ini secara offline dengan menggunakan Docsify. Fork repositori ini, pasang Docsify di mesin lokal Anda, kemudian di folder root repositori 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 Lain

Tim kami juga membuat kurikulum lain! Cek:

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 kesulitan atau memiliki pertanyaan tentang membangun aplikasi AI. Bergabunglah dengan sesama pembelajar dan pengembang berpengalaman dalam diskusi tentang MCP. Ini adalah komunitas yang mendukung di mana pertanyaan diterima dan pengetahuan dibagikan dengan bebas.

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

---

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