1
Fondasi Matematika
Sebelum menulis kode, pahami bahasanya alam semesta. Ini adalah "filter" yang membedakan engineer dengan sekadar pemakai library.
Logika & Himpunan
Tabel kebenaran (AND, OR, NOT), implikasi logis, dan operasi dasar himpunan (Union, Intersection) yang menjadi dasar query database.
Aljabar Linear
Operasi matriks & vektor, dot product, eigenvalue & eigenvector. Penting untuk memahami cara kerja Neural Network.
Kalkulus
Limit, Turunan (Gradient Descent), dan Integral. Kunci untuk memahami optimasi algoritma AI.
Statistika Deskriptif
Mean, median, modus, standar deviasi, dan distribusi probabilitas normal.
2
Bahasa Pemrograman
Menerjemahkan logika matematika ke dalam instruksi yang dimengerti mesin. Python adalah senjata utama kita.
Python Syntax & Types
Variables, List, Dictionary, Tuple, dan tipe data dasar lainnya.
Algoritma Dasar
Pengendalian alur (If/Else) dan perulangan (For/While) untuk menyelesaikan masalah logis.
Data Structures
Memahami Stack, Queue, Linked List, dan Tree untuk efisiensi program.
Object Oriented Programming
Konsep Class, Object, Inheritance, dan Polymorphism untuk kode yang modular.
3
Analisis Data
Data mentah tidak berguna tanpa konteks. Pelajari cara membersihkan, memanipulasi, dan memvisualisasikan informasi.
Numpy & Operasi Matriks
Komputasi numerik kecepatan tinggi untuk operasi matriks dan array multidimensi.
Pandas Data Wrangling
Manipulasi DataFrame: filtering, grouping, merging, dan cleaning data berantakan.
SQL Querying
Mengambil data dari database relasional menggunakan SELECT, JOIN, dan Aggregations.
Data Viz
Membuat grafik informatif dengan Matplotlib & Seaborn untuk storytelling.
4
Machine Learning
Saatnya menggabungkan Matematika (Fase 1), Coding (Fase 2), dan Data (Fase 3) untuk membangun otak buatan.
Supervised Learning
Algoritma prediksi: Linear/Logistic Regression, Decision Trees, dan SVM.
Model Evaluation
Mengukur performa model dengan Accuracy, Precision, Recall, F1-Score, dan ROC-AUC.
Scikit-Learn Mastery
Pipeline building, Data Preprocessing (Scaling/Encoding), dan Hyperparameter Tuning.
Intro to Deep Learning
Dasar Neural Network: Perceptron, Activation Functions, dan Backpropagation.