Pengantar Sains Data

1. Mampu menerapkan manipulasi dan pembersihan data tabular menggunakan pustaka komputasi Python (Pandas/NumPy). 2. Mampu membuat visualisasi data yang informatif dan tidak bias statistik. 3. Memahami konsep dasar pemodelan regresi dan klasifikasi serta evaluasi metriknya. 4. Mampu menyajikan temuan data dalam bentuk laporan dan dashboard interaktif.

Minggu 1: Pengantar Ekosistem Sains Data & Etika Data Minggu 2: Data Wrangling & Exploratory Data Analysis (EDA) Minggu 3: Visualisasi Data Efektif (Matplotlib/Seaborn) Minggu 4: Konsep Dasar Probabilitas & Distribusi Minggu 5: Uji Hipotesis & Statistika Inferensial Minggu 6: Pengantar Machine Learning Supervisi (Regresi Linear & Logistik) Minggu 7: Evaluasi Model & Pencegahan Overfitting Minggu 8: Ujian Tengah Semester (Proyek Eksplorasi) Minggu 9: Algoritma Klasifikasi Lanjutan (Decision Tree & Random Forest) Minggu 10: Pengantar Unsupervised Learning (K-Means Clustering) Minggu 11: Feature Engineering & Reduksi Dimensi (PCA) Minggu 12: Pengenalan Data Deret Waktu (Time Series) Minggu 13: Deployment Sederhana Model Data (Streamlit/FastAPI) Minggu 14: Etika Algoritma, Privasi, dan Bias Data Minggu 15: Presentasi Proyek Akhir Mahasiswa