Text

Data Science

---

“Buku Data Science berisi tentang bagaimana data dan analisisnya mampu mengubah cara kita memahami dunia. Dari konsep dasar hingga aplikasi praktisnya, penulis membawa pembaca melalui perjalanan yang mendalam tentang bagaimana data science menjadi tulang punggung dalam pengambilan keputusan yang cerdas di berbagai industri.

Dengan penekanan pada teknik analisis data, visualisasi yang kuat, dan pemahaman mendalam tentang algoritma machine learning, buku ini tidak hanya memperkenalkan konsep-konsep kunci, tetapi juga memberikan wawasan yang berharga tentang bagaimana data dapat diubah menjadi wawasan berharga. Cocok untuk pembaca dengan beragam latar belakang, buku ini memadukan teori dengan studi kasus yang relevan untuk membantu pembaca memahami dan menguasai esensi dari sains data. Menarik, informatif, dan praktis, “Data Science” adalah panduan yang tak ternilai bagi siapa pun yang ingin memahami kekuatan data di era informasi yang terus berkembang.”

Daftar Isi

Kata pengantar…………………………………………………………………………..v
DAFTAR ISI ……………………………………………………………………………vi
BAB 1 Pengantar Data Science……………………………………………………1
A. Data Science……………………………………………………………….1
B. Data Scientist……………………………………………………………..3
C. Sejarah dan Perkembangan Data Science……………………4
BAB 2 Konsep Dasar Statistik untuk Ilmu Data …………………………….7
A. Pengertian Data…………………………………………………………8
B. Populasi dan Sampel……………………………………………….13
C. Metode Statistika …………………………………………………….14
BAB 3 Pengumpulan Data: Sumber, Metode dan Etika…………………18
A. Definisi Pengumpulan Data…………………………………….18
B. Pentingnya Pengumpulan Data ………………………………18
C. Jenis-Jenis Sumber Data…………………………………………..20
D. Teknik Pengumpulan Data Kualitatif………………………23
E. Teknik Pengumpulan Data Kuantitatif ……………………26
F. Validitas dan Reliabilitas Data ………………………………..30
G. Pengolahan dan Analisis Data…………………………………33
H. Etika dalam Pengumpulan Data ……………………………..36
I. Studi Kasus Pengumpulan Data………………………………39
J. Tantangan dalam Pengumpulan Data ……………………..43
K. Teknologi dalam Pengumpulan Data………………………47
L. Tren Masa Depan dalam Pengumpulan Data ………….50
M. Kesimpulan……………………………………………………………..53
BAB 4 Pemrosesan Awal Data: Pembersihan dan Transformasi …….55
A. Pembersihan Data……………………………………………………56
B. Transformasi Data …………………………………………………..59
BAB 5 Eksplorasi Data (Visualisasi Dan Analisis)……………………….64
A. Pendahuluan …………………………………………………………..64
B. Bagian II: Visualisasi Data……………………………………….73
C. Bagian III: Analisis Data ………………………………………….78
D. Kesimpulan……………………………………………………………..81
BAB 6 Model Prediktif: Regresi dan Klasifikasi ………………………….82
A. Metode Regresi ……………………………………………………….83
B. Metode Klasifikasi …………………………………………………..89
BAB 7 Model Unsupervised learning: Clustering
dan Reduksi Dimensi………………………………………………………………..93
A. Clustering…………………………………………………………………96
B. Reduksi Dimensi……………………………………………………100
BAB 8 Model Evaluasi: Metrik Kinerja dan Validasi………………….104
A. Pendahuluan …………………………………………………………104
B. Akurasi………………………………………………………………….105
C. Binary classification Problem…………………………………108
BAB 9 Pembelajaran Mendalam (Deep learning):
Konsep dan Aplikasi……………………………………………………………….118
A. Konsep Pembelajaran Mendalam (Deep learning) …..118
C. Convolutional Neural network (CNN)……………………….126
D. Artificial Neural Network (LSTM)…………………………….129
E. Artificial Neural Network (ANN)……………………………..131
F. Recurrent Neural Network (RNN)…………………………….134
BAB 10 Big Data dan Teknologi Terkait………………………………….136
A. Pengenalan Big Data………………………………………………137
B. Arsitektur dan Infrastruktur Big Data…………………….140
C. Analisis dan Pemrosesan Data ………………………………143
D. Keamanan dan Privasi dalam Big Data…………………..146
E. Aplikasi dan Implementasi Big Data………………………148
BAB 11 Machine Learning Ops (MLOps) dan Praktik Terkini…….151
A. Latar Belakang Sejarah Dan Perkembangan
Machine Learning Ops (MLOps) …………………………………………151
B. Pengertian Machine Learning Ops (MLOps)……………153
C. Komponen Utama MLOps……………………………………..155
D. Praktik Terbaik dalam MLOps……………………………….159
E. Lampiran Modul Praktikum MLOps……………………..163
BAB 12 Etika Data (Tantangan dan Prinsip) …………………………….168
BAB 13 Natural Language Processing (NLP) dalam Ilmu Data…..175
A. Pengenalan dan Sejarah Natural Language
Processing (NLP)……………………………………………………………….176
B. Teknik dan Algoritma NLP……………………………………179
C. Aplikasi NLP dalam Ilmu Data ……………………………..181
D. Masa Depan NLP dan Tren Terkini……………………….184
BAB 14 Pengantar Studi Kasus dan Aplikasi Industri
dalam Ilmu Data …………………………………………………………………….187
A. Tools Penerapan Studi Kasus………………………………….188
B. Studi Kasus di Bidang Kesehatan…………………………..189
C. Aplikasi di Bidang Kesehatan………………………………..189
D. Studi Kasus di Bidang Industri………………………………194
E. Aplikasi di Bidang Industri……………………………………194
BAB 15 Rekayasa Fitur: Ekstraksi dan Seleksi Fitur………………….198
A. Definisi Ekstraksi dan Seleksi Fitur ……………………….198
B. Teknik Dasar Ekstraksi Fitur………………………………….199
C. Teknik Dasar Seleksi Fitur……………………………………..205
D. Tantangan pada Proses Rekayasa Fitur………………….208
Daftar Pustaka ……………………………………………………………………….211

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

005.7 ZAI d

Penerbit

Yogyakarta : Penamuda Media., 2024

Deskripsi Fisik

-

Bahasa

ISBN/ISSN

978-623-868-623-0

Klasifikasi

005.7

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Sistem Informasi

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar