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 tentang 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 yang terbukti membuat 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.

🙏 Terima kasih khusus 🙏 kepada 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 Terkini)

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 dukungan untuk bahasa terjemahan tambahan, daftar bahasa yang didukung tersedia di sini

Bergabung dengan Komunitas Kami

Kami mengadakan rangkaian Discord "Learn with AI", pelajari lebih lanjut dan bergabung 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?

Mulai dengan sumber daya berikut:

• Student Hub page Di halaman ini, Anda akan menemukan sumber daya untuk pemula, paket Pelajar dan bahkan cara untuk mendapatkan voucher sertifikasi 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 student ambassadors, ini bisa menjadi jalan Anda masuk 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 ke proyek ini
• Untuk Pengajar - Panduan mengajar dan sumber daya kelas

👨‍🎓 Untuk Siswa

Pemula Lengkap: Baru dalam data science? Mulailah dengan contoh ramah pemula! Contoh sederhana dan berkomentar ini akan membantu Anda memahami dasar-dasar sebelum menyelami kurikulum penuh. Siswa: untuk menggunakan kurikulum ini sendiri, fork seluruh repo dan selesaikan latihan secara mandiri, mulai dengan kuis pra-ceramah. Kemudian baca ceramah dan selesaikan sisa aktivitas. Cobalah membuat proyek dengan memahami pelajaran daripada menyalin kode solusi; namun, kode tersebut tersedia di folder /solutions di setiap pelajaran yang berorientasi proyek. Ide lain adalah membentuk kelompok belajar dengan teman dan mempelajari kontennya 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. Mulailah dengan Pelajaran 1 dan kerjakan secara berurutan
4. Bergabunglah dengan komunitas Discord kami untuk mendapatkan dukungan

👩‍🏫 Untuk Pengajar

Pengajar: kami telah menyertakan beberapa saran tentang bagaimana menggunakan kurikulum ini. Kami sangat mengharapkan umpan balik Anda di forum diskusi kami!

Temui Tim

Gif oleh Mohit Jaisal

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

Pedagogi

Kami telah memilih dua prinsip pedagogis saat menyusun kurikulum ini: memastikan bahwa kurikulum berbasis proyek dan menyertakan kuis yang sering. Pada akhir rangkaian ini, siswa akan mempelajari prinsip dasar ilmu data, termasuk konsep etika, persiapan data, berbagai cara bekerja dengan data, visualisasi data, analisis data, kasus penggunaan dunia nyata dari ilmu data, dan lainnya.

Selain itu, sebuah kuis berisiko 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 dan dapat diambil secara keseluruhan atau sebagian. Proyek dimulai kecil dan menjadi semakin kompleks pada akhir siklus 10 minggu.

Temukan Aturan Perilaku, Kontribusi, Panduan Terjemahan. 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 tentang cara membangun proyek
• Pemeriksaan pengetahuan
• Tantangan
• Bacaan tambahan
• Tugas
• Kuis pasca-pelajaran

Catatan tentang kuis: Semua kuis terdapat dalam folder Quiz-App, berjumlah 40 kuis masing-masing tiga pertanyaan. Mereka ditautkan dari dalam pelajaran, tetapi aplikasi kuis dapat dijalankan secara lokal atau dideploy ke Azure; ikuti instruksi dalam folder quiz-app. Mereka sedang dilokalisasi secara bertahap.

🎓 Contoh Ramah Pemula

Baru di Data Science? Kami membuat sebuah direktori contoh khusus dengan kode sederhana dan komentar yang baik untuk membantu Anda memulai:

• 🌟 Hello World - Program data science pertama Anda
• 📂 Loading Data - Pelajari cara membaca dan mengeksplorasi dataset
• 📊 Simple Analysis - Hitung statistik dan temukan pola
• 📈 Basic Visualization - Buat bagan dan grafik
• 🔬 Real-World Project - Alur kerja lengkap dari awal hingga selesai

Setiap contoh menyertakan komentar terperinci yang menjelaskan setiap langkah, menjadikannya sempurna untuk pemula sejati!

👉 Mulai dengan contoh 👈

Pelajaran

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

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	Mendefinisikan Data Science	Introduction	Pelajari konsep dasar di balik ilmu data dan bagaimana kaitannya dengan kecerdasan buatan, pembelajaran mesin, dan big data.	pelajaran video	Dmitry
02	Etika Data Science	Introduction	Konsep Etika Data, Tantangan & Kerangka kerja.	pelajaran	Nitya
03	Mendefinisikan Data	Introduction	Bagaimana data diklasifikasikan dan sumber umumnya.	pelajaran	Jasmine
04	Pengenalan Statistik & Probabilitas	Introduction	Teknik matematika probabilitas dan statistik untuk memahami data.	pelajaran video	Dmitry
05	Bekerja dengan Data Relasional	Working With Data	Pengenalan data relasional dan dasar-dasar menjelajahi serta menganalisis data relasional dengan Structured Query Language, juga dikenal sebagai SQL (dibaca “see-quell”).	pelajaran	Christopher
06	Bekerja dengan Data NoSQL	Working With Data	Pengenalan data non-relasional, berbagai jenisnya dan dasar-dasar menjelajahi serta menganalisis basis data dokumen.	pelajaran	Jasmine
07	Bekerja dengan Python	Working With Data	Dasar-dasar penggunaan Python untuk eksplorasi data dengan pustaka seperti Pandas. Disarankan pemahaman dasar pemrograman Python.	pelajaran video	Dmitry
08	Persiapan Data	Working With Data	Topik tentang teknik data untuk membersihkan dan mentransformasi data untuk menangani tantangan data yang hilang, tidak akurat, atau tidak lengkap.	pelajaran	Jasmine
09	Memvisualisasikan Kuantitas	Data Visualization	Pelajari cara menggunakan Matplotlib untuk memvisualisasikan data burung 🦆	pelajaran	Jen
10	Memvisualisasikan Distribusi Data	Data Visualization	Memvisualisasikan pengamatan dan tren dalam suatu interval.	pelajaran	Jen
11	Memvisualisasikan Proporsi	Data Visualization	Memvisualisasikan persentase diskret dan yang dikelompokkan.	pelajaran	Jen
12	Memvisualisasikan Hubungan	Data Visualization	Memvisualisasikan koneksi dan korelasi antara set data dan variabelnya.	pelajaran	Jen
13	Visualisasi yang Bermakna	Data Visualization	Teknik dan panduan untuk membuat visualisasi Anda bernilai untuk pemecahan masalah dan wawasan yang efektif.	pelajaran	Jen
14	Pengenalan siklus hidup Ilmu Data	Lifecycle	Pengenalan siklus hidup ilmu data dan langkah pertamanya yaitu memperoleh dan mengekstrak data.	pelajaran	Jasmine
15	Menganalisis	Lifecycle	Fase siklus hidup ilmu data ini berfokus pada teknik untuk menganalisis data.	pelajaran	Jasmine
16	Komunikasi	Lifecycle	Fase siklus hidup ilmu data ini berfokus pada menyampaikan wawasan dari data dengan cara yang memudahkan pembuat keputusan untuk memahami.	pelajaran	Jalen
17	Ilmu Data di Cloud	Cloud Data	Serangkaian pelajaran ini memperkenalkan ilmu data di cloud dan manfaatnya.	pelajaran	Tiffany and Maud
18	Ilmu Data di Cloud	Cloud Data	Pelatihan model menggunakan alat Low Code.	pelajaran	Tiffany and Maud
19	Ilmu Data di Cloud	Cloud Data	Mendeploy model dengan Azure Machine Learning Studio.	pelajaran	Tiffany and Maud
20	Ilmu Data di Dunia Nyata	In the Wild	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 tarik-turun Code dan pilih opsi Open with Codespaces.
2. Pilih + New codespace di bagian bawah panel. Untuk informasi lebih lanjut, lihat dokumentasi GitHub.

VSCode Remote - Containers

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

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

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

Note: Di balik layar, ini akan menggunakan perintah Remote-Containers: Clone Repository in Container Volume... untuk mengkloning kode sumber ke volume Docker alih-alih filesystem lokal. Volumes adalah mekanisme yang disarankan untuk mempertahankan data container.

Atau buka versi repositori yang dikloning atau diunduh secara lokal:

• Klon repositori ini ke sistem berkas lokal Anda.
• Tekan F1 dan pilih perintah Remote-Containers: Open Folder in Container....
• Pilih salinan hasil klon dari folder ini, tunggu hingga container mulai, dan coba fitur-fiturnya.

Akses Offline

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

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

Kurikulum Lainnya

Tim kami menghasilkan kurikulum lain! Lihat:

LangChain

---

Azure / Edge / MCP / Agents

---

Seri AI Generatif

---

Pembelajaran Inti

---

Seri Copilot

Mendapatkan Bantuan

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

Jika Anda terjebak 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. Walaupun kami berupaya mencapai ketepatan, harap diperhatikan bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidaktepatan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang berwenang. Untuk informasi yang bersifat penting/kritis, disarankan menggunakan terjemahan profesional oleh penerjemah manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau penafsiran yang salah yang timbul akibat penggunaan terjemahan ini.