Ilmu Data

Konsep Utama dalam Ilmu Data

Tahap 1 Pengambilan, Penyimpanan, dan Pembersihan Data

1. Big Data
2. Basis Data Relasional
3. NoSQL
4. Data Warehouse
5. Data Lake
6. ETL (Extract, Transform, Load) atau ELT
7. Data Wrangling
8. Data Cleansing (Pembersihan Data)
9. Penanganan Data Hilang
10. Deteksi Outlier

Tahap 2 Analisis dan Eksplorasi Data

1. Statistika Deskriptif
2. Statistika Inferensial
3. Visualisasi Data
4. Variabel dan Distribusi Probabilitas
5. Uji Hipotesis
6. Regresi Linier
7. Korelasi
8. Analisis Time Series
9. A/B Testing

Tahap 3 Pemodelan (Machine Learning)

1. Pembelajaran Mesin (Machine Learning)
2. Kecerdasan Buatan (Artificial Intelligence)
3. Supervised Learning (Klasifikasi, Regresi)
4. Unsupervised Learning (Clustering, Pengurangan Dimensi)
5. Reinforcement Learning
6. Deep Learning
7. Jaringan Saraf Tiruan (Neural Network)
8. Cross-Validation
9. Overfitting dan Underfitting
10. Rekayasa Fitur (Feature Engineering)
11. Algoritma: K-Nearest Neighbors (KNN)
12. Algoritma: Pohon Keputusan (Decision Tree)
13. Algoritma: Support Vector Machine (SVM)
14. Algoritma: Naive Bayes
15. Algoritma: Random Forest
16. Algoritma: K-Means Clustering

Tahap 4 Penyebaran dan Domain Khusus

1. Natural Language Processing (NLP) (Pemrosesan Bahasa Alami)
2. Computer Vision
3. Model Deployment (Penyebaran Model)
4. Dashboard Interaktif
5. Big Data Analytics
6. Etika Data dan Bias Algoritma
7. Keamanan Data
8. Business Intelligence (BI)