Kursus Skripsi Tesis Disertasi Python | Training Python Master Class Selama 3 Hari

Silabus Python Master Class (3 Hari, 09:00 – 16:00)

⏳ Durasi: 3 Hari
📅 Waktu: 09:00 – 16:00 (Istirahat 12:00 – 13:00)
🎯 Tingkat: Master Class (Lanjutan)

🟢 Hari 1: Dasar-Dasar Lanjutan Python & Pemrograman Berorientasi Objek (OOP)

⏰ 09:00 – 12:00

1. Rekap Singkat Python Dasar

   • Struktur data (List, Tuple, Set, Dictionary)
   • Fungsi dan Lambda Function
   • Exception Handling (Try, Except, Finally)

2. Pemrograman Berorientasi Objek (OOP) dalam Python

   • Class & Object
   • Inheritance, Polymorphism, Encapsulation
   • Abstract Class & Interface

3. Metaprogramming

   • Decorator & Metaclass
   • Magic Methods (__init__, __call__, __getitem__, dll.)

🛑 Istirahat: 12:00 – 13:00

⏰ 13:00 – 16:00
4. Concurrency & Parallelism

• Multithreading vs Multiprocessing
• AsyncIO dan Implementasinya

5. Profiling & Debugging

   • Debugging dengan pdb
   • Memeriksa performa kode dengan cProfile

6. Praktik: Membuat Aplikasi CLI berbasis OOP

🟢 Hari 2: Data Science & Machine Learning dengan Python

⏰ 09:00 – 12:00

1. Pengolahan Data dengan Pandas & NumPy

   • Manipulasi data menggunakan Pandas (DataFrame, Series)
   • Operasi pada array menggunakan NumPy

2. Visualisasi Data dengan Matplotlib & Seaborn

   • Membuat grafik interaktif
   • Heatmap dan correlation matrix

3. Statistik Dasar untuk Machine Learning

   • Mean, Median, Mode, Standard Deviation
   • Distribusi probabilitas

🛑 Istirahat: 12:00 – 13:00

⏰ 13:00 – 16:00
4. Pengenalan Machine Learning dengan Scikit-Learn

• Supervised Learning (Regression & Classification)
• Unsupervised Learning (Clustering, PCA)

5. Model Training & Evaluasi

   • Data splitting (Train/Test)
   • Metrik evaluasi (MSE, Accuracy, Precision, Recall)

6. Praktik: Membangun Model Prediksi Harga Rumah dengan Scikit-Learn

🟢 Hari 3: Deep Learning & Pengembangan Aplikasi AI

⏰ 09:00 – 12:00

1. Konsep Deep Learning

   • Neural Networks & Perceptron
   • Forward & Backpropagation

2. Implementasi Neural Networks dengan TensorFlow & Keras

   • Membangun model sederhana
   • Optimizer, Loss Function, Activation Function

3. Transfer Learning & Fine-Tuning Model

   • Memanfaatkan model yang sudah dilatih sebelumnya

🛑 Istirahat: 12:00 – 13:00

⏰ 13:00 – 16:00
4. Computer Vision dengan OpenCV & TensorFlow

• Deteksi objek menggunakan YOLO
• Segmentasi gambar dengan CNN

5. NLP (Natural Language Processing) dengan NLTK & SpaCy

   • Analisis Sentimen
   • Text Tokenization

6. Praktik: Membangun Aplikasi AI dengan Flask

   • Deploy model ke dalam aplikasi web

📌 Hasil Akhir:
✅ Peserta memahami Python advanced, Machine Learning, dan Deep Learning
✅ Mampu membangun aplikasi AI dengan Flask
✅ Mampu menganalisis data dan membuat model prediktif