About this course

Nothing is here... yet!

What you will learn

Video Conference

Topik 1 - Business Intelligence, Data Science and Data Mining


Tujuan pembelajaran
  • CP1: Mendemostrasikan pemahanan terhadap teknik teknik data mining

Terdiri dari sub-topik sebagai berikut:
  • Overall goals
  • Main Literatures
  • Software
  • Decision support system
  • Business Intelligence
  • Data science and data mining

Topik 2 - Business Problem and Data Science Solutions


Tujuan pembelajaran:
  • CP1: Mendemostrasikan pemahanan terhadap teknik teknik data mining
  • CP2: Mendeskripsikan cara cara mengevaluasi suatu model
  • CP3: Memanfaatkan data mining dalam membangun  descriptive dan predictive models

Terdiri dari sub-topik sebagai berikut:
  • The need for data mining
  • From business problems to data mining tasks
  • Supervised vs. unsupervised methods
  • The data mining process

Topik 3 - Project Understanding and Data Understanding


Tujuan pembelajaran:
  • CP1: Mendemostrasikan pemahanan terhadap teknik teknik data mining

Terdiri dari sub-topik sebagai berikut:
  • Project Understanding
  • Data Understanding
  • Attribute Understanding
  • Data Quality
  • Data Visualization
  • Data Preparation
  • Data selection
  • Data cleaning
  • Data transformation
  • Data integration

Topik 4 - Predictive Modelling


Tujuan pembelajaran:
  • CP1: Mendemostrasikan pemahanan terhadap teknik teknik data mining
  • CP2: Mendeskripsikan cara cara mengevaluasi suatu model

Terdiri dari sub-topik sebagai berikut:
  • Models and induction
  • Attribute selection
  • Decision Trees
  • Probability Estimation

Topik 5 - Fitting a Model


Tujuan pembelajaran:
  • CP1: Mendemostrasikan pemahanan terhadap teknik teknik data mining
  • CP2: Mendeskripsikan cara cara mengevaluasi suatu model

Terdiri dari sub-topik sebagai berikut:
  • Linear classifiers
  • Linear regression
  • Logistic regression
  • Example: tree induction vs. logistic regression

Topik 6 - Over-fitting and Its Avoidance


Tujuan pembelajaran:
  • CP3: Memanfaatkan data mining dalam membangun  descriptive dan predictive models

Terdiri dari sub-topik sebagai berikut:
  • Generalization and Overfitting
  • From holdout evaluation to cross-validation
  • Learning curves
  • Overfitting avoidance and complexity control

Review Topik  1 - Topik 6 (face to face)


Tujuan pembelajaran:
  • CP1: Mendemostrasikan pemahanan terhadap teknik teknik data mining
  • CP2: Mendeskripsikan cara cara mengevaluasi suatu model
  • CP3: Memanfaatkan data mining dalam membangun  descriptive dan predictive models

Terdiri dari sub-topik sebagai berikut:
  • Business Intelligence, Data Science and Data Mining
  • Business Problem and Data Science Solutions
  • Project Understanding and Data Understanding
  • Predictive Modelling
  • Fitting a Model
  • Overfitting and Its Avoidance



Nothing is here... yet!

Video Conference

Topik 7 - Similarity and Cluster Analysis


Tujuan pembelajaran:
  • CP3: Memanfaatkan data mining dalam membangun  descriptive dan predictive models

Terdiri dari sub-topik sebagai berikut:
  • Similarity and distance
  • Introduction to cluster analysis
  • Major clustering techniques and algorithms
  • Validation of Clustering’s
  • Case Study

Topik 8 - Evaluating a Model


Tujuan pembelajaran:
  • CP4: Menganalisa dataset dengan menggunakan berbagai metode data analytics
  • CP5: Mendeskripsikan bisnis scenario global dimana data dan data mining dapat diterapkan

Terdiri dari sub-topik sebagai berikut:
  • Measuring accuracy
  • Confusion matrix
  • Unbalanced classes
  • A key analytical framework: Expected value
  • Evaluate classifier use
  • Frame classifier evaluation
  • Evaluation and baseline performance

Topik 9 - Visualizing Model Performance


Tujuan pembelajaran:
  • CP4: Menganalisa dataset dengan menggunakan berbagai metode data analytics

Terdiri dari sub-topik sebagai berikut:
  • Measuring accuracy
  • Confusion matrix
  • Unbalanced classes
  • A key analytical framework: Expected value
  • Evaluate classifier use
  • Frame classifier evaluation
  • Evaluation and baseline performance

Topik 10 - Evidence and Probability


Tujuan pembelajaran:
  • CP4: Menganalisa dataset dengan menggunakan berbagai metode data analytics

Terdiri dari sub-topik sebagai berikut:
  • Introduction
  • Bayes‘ Rule
  • Applying Bayes‘ rule to data science
  • Naive Bayes
  • Advantages and Disadvantages of Naive Bayes
  • Example

Topik 11 - Representing and Mining Text


Tujuan pembelajaran:
  • CP4: Menganalisa dataset dengan menggunakan berbagai metode data analytics

Terdiri dari sub-topik sebagai berikut:
  • Why Text Is Important but Difficult
  • Text Representation
  • Bag of Words
  • Term Frequency
  • Measuring Sparseness: Inverse Document Frequency
  • Term Frequency (TF) and Inverse Document Frequency (TIDF)
  • Beyond Bag of Words
  • Example: Mining News Stories to Predict Stock Price Movement

Topik 12 - Other Data Science Tasks and Techniques


Tujuan pembelajaran:
  • CP1: Mendemostrasikan pemahanan terhadap teknik teknik data mining
  • CP2: Mendeskripsikan cara cara mengevaluasi suatu model
  • CP3: Memanfaatkan data mining dalam membangun  descriptive dan predictive models

Terdiri dari sub-topik sebagai berikut:
  • Co-occurrences and Associations
  • Profiling: Finding Typical Behaviour
  • Link Prediction and Social Recommendation
  • Data Reduction and Latent Information
  • Bias, Variance, and Ensemble Methods

Review Topik 7 - Topik 12   (face to face)


Tujuan pembelajaran:
  • CP1: Mendemostrasikan pemahanan terhadap teknik teknik data mining
  • CP2: Mendeskripsikan cara cara mengevaluasi suatu model
  • CP3: Memanfaatkan data mining dalam membangun  descriptive dan predictive models
  • CP4: Menganalisa dataset dengan menggunakan berbagai metode data analytics
  • CP5: Mendeskripsikan bisnis scenario global dimana data dan data mining dapat diterapkan

Terdiri dari sub-topik sebagai berikut:
  • Co-occurrences and Associations
  • Profiling: Finding Typical Behaviour
  • Link Prediction and Social Recommendation
  • Data Reduction and Latent Information
  • Bias, Variance, and Ensemble Methods


Nothing is here... yet!

Meet your instructors

Instructors

To be announced

Course Information

Start Date

01 November 2018

End Date

01 November 2019

Language

-

Category

SPADA

Duration

10 hours

Enrolled Students

0

Rating

0.0

Reviews

No review yet

See more

Tamu tidak dapat mengakses kursus ini, sila masuk dengan akun Anda.