IoT Data & ML Engineer
Analisis data & machine learning
Temukan pola dalam data IoT, lalu uji model prediksi atau klasifikasi sederhana.
Konsultasi Program
Ikuti rasa
ingin tahumu.
Untuk kamu yang suka mencari pola, membaca grafik, dan ingin memahami bagaimana data membantu membuat keputusan.
Jalur ini menerima pemula. Fondasi awal sudah termasuk dalam 16 pertemuan.
- 01Menggunakan Python dan Pandas untuk membaca serta membersihkan data IoT.
- 02Menjelaskan pola melalui analisis eksplorasi, statistik, dan visualisasi.
- 03Membuat model regresi atau klasifikasi dan membandingkannya dengan baseline.
- 04Menguji model dengan pembagian data yang tepat serta menjelaskan kesalahan dan keterbatasannya.
Predictive Data Project
Notebook analisis dataset IoT terkurasi dengan model regresi atau klasifikasi sederhana. Hasilnya mencakup baseline pembanding, metrik evaluasi, analisis kesalahan, dan penjelasan keterbatasan model.
Contoh proyek yang dipelajariKarya yang bisa kamu jelaskan
- Masalah dan alasan memilih solusi
- Notebook, model, dan visualisasi data
- Hasil pengujian serta perbaikan
- Portfolio dan presentasi akhir
Dari fondasi
sampai showcase.
Buka setiap fase untuk melihat judul sesi. Belajar berjalan melalui praktik, pengujian, refleksi, dan perbaikan karya.
Sesi 01–03Common Foundation
- STEM & Engineering Design
- Arsitektur Sistem IoT End-to-End
- Computational Thinking & JSON Data
Sesi 04–13Track Specialization
- Python Fundamentals I
- Python Fundamentals II
- Tabular Data with Pandas
- Data Quality & Cleaning
- Exploratory Data Analysis
- Statistics & Data Visualization
- Supervised ML & Regression
- Classification Fundamentals
- Evaluation, Leakage & Error Analysis
- Features, Model Comparison & Interpretation
Sesi 14–16Capstone & Showcase
- Capstone Design: Predictive Data Project
- Capstone Model Build & Error Analysis
- ML Showcase & Portfolio
Siapkan ruang
untuk mencoba.
Laptop untuk Jupyter atau Google Colab. Tidak wajib pengalaman Python atau AI. Operasi hitung dasar dan pembacaan grafik menjadi bekal; konsep statistik dipelajari bertahap.
Semi-private · 4–6 peserta
Pendampingan personal dengan ruang untuk bertanya dan berkolaborasi.
Offline/hybrid sesuai kebutuhan track. Bentuk pelaksanaan dan lokasi dikonfirmasi saat konsultasi.
Private 1:1: tersedia melalui konsultasi.
Hubungi kami untuk jadwal, lokasi, dan biaya.
Hal yang sering ditanyakan.
01Apakah ada batas usia atau jenjang pendidikan?+
Tidak. Program ini terbuka untuk siapa pun dari segala usia dan latar pendidikan. Pendampingan dan kebutuhan belajar dibahas saat konsultasi.
02Apakah saya perlu pengalaman sebelumnya?+
Pemula dapat mengikuti program ini. Level Advanced menunjukkan kompleksitas materi; konsep dasar dipelajari bertahap dengan praktik terbimbing. Tidak wajib menyelesaikan program lain. Konsultasi membantu menentukan kecocokan dengan pengalaman dan tujuan belajarmu.
03Berapa durasi dan ukuran kelasnya?+
16 pertemuan × 120 menit, total 32 jam. Format utama semi-private 4–6 peserta; private tersedia melalui konsultasi. Jadwal dan biaya dibahas bersama tim.
04Apa yang perlu saya siapkan?+
Laptop untuk Jupyter atau Google Colab. Tidak wajib pengalaman Python atau AI. Operasi hitung dasar dan pembacaan grafik menjadi bekal; konsep statistik dipelajari bertahap.
05Bagaimana kelas dilaksanakan?+
Offline/hybrid sesuai kebutuhan track. Bentuk pelaksanaan dan lokasi dikonfirmasi saat konsultasi.
06Apa bukti penyelesaian program yang saya dapatkan?+
Sertifikat menyatakan penyelesaian program. Peserta mengumpulkan portfolio proses, pengujian, dan presentasi proyek akhir.
Siap mencoba
IoT Data & ML Engineer?
Ceritakan minat dan pengalaman belajarmu. Diskusikan kecocokan program, kebutuhan peserta, jadwal, dan biaya bersama kami.
Konsultasi WhatsApp