Program Studi S1 Matematika / S1 Fisika
Dosen Pengampu: Riadi Marta Dinata, Fakultas Sains Terapan dan Teknologi (FSTT)
Mata kuliah ini memperkenalkan konsep fundamental Big Data dan Data Sains dari perspektif matematis dan ilmiah. Penekanan utama adalah pada studi kasus nyata dan pengolahan data terapan. Seluruh praktik difokuskan pada penguasaan Python di lingkungan Google Colaboratory, memungkinkan mahasiswa/i untuk fokus pada algoritma, interpretasi model, dan penyelesaian masalah di bidang terkait dengan data berskala besar (dari UCI/Kaggle).
Sessi 1
Pengantar Big Data & Data Sains: Konsep 5V
Sessi 2
Lingkungan Kerja Python (Pandas & NumPy) di Colab
Sessi 3
Data Wrangling (I): Penanganan Missing Values & Outliers
Sessi 4
Data Wrangling (II): Normalisasi, Standardisasi, & Encoding
Sessi 5
Statistik Deskriptif untuk EDA: Pemusatan & Penyebaran
Sessi 6
Exploratory Data Analysis (EDA) & Visualisasi Data Lanjut
Sessi 7
Konsep Dasar Machine Learning: Regresi vs. Klasifikasi
Sessi 8 (UTS)
Review & Kisi-kisi Ujian Tengah Semester Praktikum
Sessi 9
Model Regresi Linear Sederhana & Evaluasi Matematis
Sessi 10
Regresi Logistik untuk Klasifikasi Biner (Fungsi Sigmoid)
Sessi 11
Evaluasi Model Klasifikasi: Confusion Matrix & F1-Score
Sessi 12
Konsep Pemodelan Lanjut: Decision Tree (Pohon Keputusan)
Sessi 13
Text Mining & NLP Sederhana: Tokenization & Bag-of-Words
Sessi 14
Studi Kasus Komprehensif & Proposal Proyek Akhir
Sessi 15
Presentasi Proyek Akhir & Interpretasi Ilmiah
Sessi 16 (UAS)
Review Akhir, Studi Kasus Ujian & Kisi-kisi UAS