🔎 Overview #
Level lanjutan menuju profesi Data Scientist penuh — feature engineering, model lanjutan, dan praktik menyusun laporan proyek data science end-to-end siap portofolio. Kursus ini menjadi endpoint roadmap Data Scientist Edusoft Center.
🏷️ Status: Wajib Project — kursus ini adalah endpoint roadmap Data Scientist, sehingga wajib menghasilkan project portofolio penuh: dokumentasi + GitHub + opsi masuk portfolio.edusoftcenter.com.
Prasyarat: Kursus Python untuk Analisis Data + Machine Learning Fundamentals (wajib).
📚 Struktur Silabus #
Fase A — Tatap Muka (16 Jam, 2 Hari Fullday) #
Hari 1 (8 Jam) #
- Sesi 1 (Teori, 2 jam): Dari Data Analyst ke Data Scientist — apa yang membedakan, feature engineering sebagai kunci performa model.
- Sesi 2 (Praktik Terbimbing, 2 jam): Teknik feature engineering (encoding lanjutan, feature scaling, feature selection).
- Sesi 3 (Teori Lanjutan, 2 jam): Algoritma lanjutan (Random Forest, Gradient Boosting/XGBoost), cross-validation, hyperparameter tuning dasar.
- Sesi 4 (Praktik Terbimbing Lanjutan, 2 jam): Praktik ensemble model + tuning pada dataset contoh, perbandingan performa model.
Hari 2 (8 Jam) #
- Sesi 5 (Latihan Mandiri Terbimbing, 3 jam): Soal berjenjang — feature engineering pada dataset berbeda, eksperimen beberapa algoritma.
- Sesi 6 (Simulasi Mini-Case, 3 jam): Studi kasus kompetisi data science ringan (mis. dataset Kaggle beginner-friendly), dibahas bersama.
- Sesi 7 (Review & Evaluasi, 1,5 jam): Recap materi, diskusi model terbaik & alasannya.
- Sesi 8 (Briefing Project Pasca-Training, 0,5 jam): Penjelasan brief: pilih 1 dataset kompetisi/publik, bangun pipeline lengkap (feature engineering → model ensemble → evaluasi → laporan), tenggat H+14.
Fase B — Pasca-Training (Online, self-paced, tenggat disarankan H+14) #
Notebook + laporan analisis lengkap, push ke GitHub + README, submit via dashboard Elearning (edusoftcenter.com/dashboard/) untuk direview. Project yang lolos review bisa diajukan masuk portfolio.edusoftcenter.com.
🛠️ Tools & Software #
- Python, scikit-learn, XGBoost, Pandas, Jupyter Notebook
🎯 Output Kompetensi #
Setelah menyelesaikan kursus, peserta mampu:
- Melakukan feature engineering.
- Membangun & membandingkan model lanjutan (Random Forest, XGBoost).
- Menyusun laporan proyek data science end-to-end siap portofolio.
⏳ Durasi & Mode Kursus #
- Total: 16 Jam (2x sesi fullday @ 8 jam) + Project Pasca-Training mandiri (tenggat H+14)
- Online — live via platform digital, akses rekaman fleksibel.
- Offline (Solo) — tatap muka reguler di lokasi Edusoft.
- Offline Custom Location — tersedia untuk grup/korporat luar kota (hubungi kami untuk penjadwalan).
💰 Biaya Kursus #
- Kelas Reguler: Rp 1.000.000
- Kelas Private: Rp 2.000.000
Tertarik Ikut Kursus Python Advanced untuk Data Science?
Tanyakan jadwal terdekat, harga, dan cara pendaftaran langsung ke tim kami via WhatsApp.
Atau isi form ini, tim kami yang hubungi Anda balik
Cukup isi nama & no. WhatsApp — kursus sudah terpilih otomatis sesuai halaman ini, tapi bisa diganti.
📅 Jadwal Batch #
Kelas privat tersedia kapan saja — kelas reguler by request, hubungi kami untuk jadwal.
❓ Pertanyaan Umum (FAQ) #
Apa bedanya Kursus Python Advanced untuk Data Science dengan Machine Learning Fundamentals? #
Machine Learning Fundamentals mengajarkan konsep dasar (regresi, klasifikasi sederhana), sedangkan kursus ini masuk ke feature engineering mendalam dan algoritma lanjutan (Random Forest, XGBoost) — level siap kerja penuh sebagai Data Scientist.
Apa prasyarat wajib sebelum ikut kursus ini? #
Wajib sudah menyelesaikan Kursus Python untuk Analisis Data dan Machine Learning Fundamentals, karena materi langsung melanjutkan dari model dasar ke teknik lanjutan.
Apakah project akhir kursus ini bisa dipakai untuk melamar kerja sebagai Data Scientist? #
Bisa. Project pasca-training dirancang sebagai laporan data science end-to-end (feature engineering, model, evaluasi) yang siap dijadikan bukti portofolio nyata ke calon perusahaan.
Disusun & direview oleh Komarudin Syarif — Trainer Edusoft Center.
Terakhir diperbarui: 9 Agustus 2026.
