All Projects β†’ kevinadhiguna β†’ dqlab-career-track

kevinadhiguna / dqlab-career-track

Licence: other
A collection of scripts written to complete DQLab Data Analyst Career Track πŸ“Š

Programming Languages

python
139335 projects - #7 most used programming language

Projects that are alternatives of or similar to dqlab-career-track

Great expectations
Always know what to expect from your data.
Stars: ✭ 5,808 (+10858.49%)
Mutual labels:  exploratory-data-analysis, data-quality
leila
LibrerΓ­a para la evaluaciΓ³n de calidad de datos, e interacciΓ³n con el portal de datos.gov.co
Stars: ✭ 56 (+5.66%)
Mutual labels:  exploratory-data-analysis, data-quality
DQLab
This is a repository for storing and sharing data resulting from working on projects and materials in DQLab
Stars: ✭ 39 (-26.42%)
Mutual labels:  data-analyst, dqlab
Pandas Profiling
Create HTML profiling reports from pandas DataFrame objects
Stars: ✭ 8,329 (+15615.09%)
Mutual labels:  exploratory-data-analysis, data-quality
soda-spark
Soda Spark is a PySpark library that helps you with testing your data in Spark Dataframes
Stars: ✭ 58 (+9.43%)
Mutual labels:  data-quality
Data-Science
Using Kaggle Data and Real World Data for Data Science and prediction in Python, R, Excel, Power BI, and Tableau.
Stars: ✭ 15 (-71.7%)
Mutual labels:  exploratory-data-analysis
Datavisualization
Tutorials on visualizing data using python packages like bokeh, plotly, seaborn and igraph
Stars: ✭ 234 (+341.51%)
Mutual labels:  exploratory-data-analysis
Inspectdf
πŸ› οΈ πŸ“Š Tools for Exploring and Comparing Data Frames
Stars: ✭ 195 (+267.92%)
Mutual labels:  exploratory-data-analysis
penguin-datalayer-collect
A data layer quality monitoring and validation module, this solution is part of the Raft Suite ecosystem.
Stars: ✭ 19 (-64.15%)
Mutual labels:  data-quality
kushner eb5 census
Jared Kushner and his partners used a program meant for job-starved areas to build a luxury skyscraper
Stars: ✭ 49 (-7.55%)
Mutual labels:  exploratory-data-analysis
CRC-manipulator
Change CRC checksums of your files.
Stars: ✭ 73 (+37.74%)
Mutual labels:  data-manipulation
Interactive Data Editor
A Software to interactively edit data in a graphical manner
Stars: ✭ 35 (-33.96%)
Mutual labels:  data-manipulation
kana
Single cell analysis in the browser
Stars: ✭ 81 (+52.83%)
Mutual labels:  exploratory-data-analysis
Kdepy
Kernel Density Estimation in Python
Stars: ✭ 244 (+360.38%)
Mutual labels:  exploratory-data-analysis
contessa
Easy way to define, execute and store quality rules for your data.
Stars: ✭ 17 (-67.92%)
Mutual labels:  data-quality
Lotteryprediction
🌝 Lottery prediction besides of following "law of proability","Probability: Independent Events", there are still "Saying "a Tail is due", or "just one more go, my luck is due to change" is called The Gambler's Fallacy" existed.
Stars: ✭ 202 (+281.13%)
Mutual labels:  exploratory-data-analysis
FIFA-2019-Analysis
This is a project based on the FIFA World Cup 2019 and Analyzes the Performance and Efficiency of Teams, Players, Countries and other related things using Data Analysis and Data Visualizations
Stars: ✭ 28 (-47.17%)
Mutual labels:  data-manipulation
EDA-protocol-movement-data
Step-by-step exploratory movement data analysis protocol in a Jupyter notebook
Stars: ✭ 19 (-64.15%)
Mutual labels:  exploratory-data-analysis
NBi
NBi is a testing framework (add-on to NUnit) for Business Intelligence and Data Access. The main goal of this framework is to let users create tests with a declarative approach based on an Xml syntax. By the means of NBi, you don't need to develop C# or Java code to specify your tests! Either, you don't need Visual Studio or Eclipse to compile y…
Stars: ✭ 102 (+92.45%)
Mutual labels:  data-quality
ohsome-quality-analyst
Data quality estimations for OpenStreetMap
Stars: ✭ 28 (-47.17%)
Mutual labels:  data-quality

DQLab Data Analyst Career Track

🌟 About

DQLab Data Analyst Career Track membantu membangun kompetensi yang dibutuhkan untuk berkarir sebagai Junior Data Analyst. Kurikulum terstruktur untuk melatih problem-solving dan kreativitas, serta dikemas dengan studi kasus yang mencerminkan kondisi data riil di Indonesia. Kelas Data Analyst Career Track (Python) dirancang oleh 7 ahli data, dari beragam Industri seperti Traveloka, PT. BUMA, Kompas.com, dan GOJEK.


πŸ“š Table of Contents

  1. Memahami Bahasa Pemrograman Fundamental
  2. Memahami Bahasa SQL dan Sistem Database Relasional agar dapat mengolah data di Perusahaan Yang Sudah Menerapkan Sistem IT
  3. Memahami Konsep dan Penerapan Exploratory Data Analysis dalam Studi Kasus Bisnis
  4. Mengolah Dataset Dalam Jumlah Kecil sampai dengan Besar
  5. Memahami Konsep dan Menghasilkan Tipe Visualisasi Data yang Tepat untuk Mempresentasikan Suatu Kasus Bisnis
  6. Memahami Konsep Predictive Modeling & Mampu Menguji Tingkat Akurasi untuk Memilih Model yang Tepat
  7. Melakukan Investigasi dan Mendeteksi Anomali pada Data
  8. Data Analyst Project: Business Decision Research
  9. Contributing
  10. Contact
  11. Courtesy

ℹ️ You must login to DQLab to access links below. Do not have an account? You can register here.

⚠️ Warning (updated at 22th March 2021) : If you encounter some issues, you perhaps need to change dataset URL from AWS to Google Cloud.

DQLab AWS dataset URL : https://dqlab-dataset.s3-ap-southeast-1.amazonaws.com/<NAME_OF_DATASET>.<csv_or_tsv>
DQLab Google Cloud dataset URL : https://storage.googleapis.com/dqlab-dataset/<NAME_OF_DATASET>.<csv_or_tsv>

For example, if the dataset name is sample_csv.csv
You may need to change https://dqlab-dataset.s3-ap-southeast-1.amazonaws.com/sample_csv.csv to https://storage.googleapis.com/dqlab-dataset/sample_csv.csv


Memahami Bahasa Pemrograman Fundamental

Python for Data Professional Beginner - Part 1

Modul 1: Mari Mengenal Python

Link Code Title
πŸ”— πŸ“œ Quiz 1
πŸ”— πŸ“œ Quiz 2
πŸ”— πŸ“œ Program pertama: "Hello World"
πŸ”— πŸ“œ Program Pertamaku
πŸ”— πŸ“œ Struktur Program Python - Part 1
πŸ”— πŸ“œ Tugas Praktek 1
πŸ”— πŸ“œ Tugas Praktek 2
πŸ”— πŸ“œ Quiz 3
πŸ”— πŸ“œ Quiz 4


Modul 2 : Python Variables & Data Types

Link Code Title
πŸ”— πŸ“œ Quiz 5
πŸ”— πŸ“œ Quiz 6
πŸ”— πŸ“œ Quiz 7
πŸ”— πŸ“œ Quiz 8
πŸ”— πŸ“œ Sequence Type - Part 1
πŸ”— πŸ“œ Sequence Type - Part 2
πŸ”— πŸ“œ Set Type
πŸ”— πŸ“œ Mapping Type
πŸ”— πŸ“œ Tugas Praktek 3
πŸ”— πŸ“œ Tugas Praktek 4
πŸ”— πŸ“œ Tugas Praktek 5


Modul 3 : Python Operators

Link Code Title
πŸ”— πŸ“œ Quiz 9
πŸ”— πŸ“œ Quiz 10
πŸ”— πŸ“œ Quiz 11
πŸ”— πŸ“œ Quiz 12
πŸ”— πŸ“œ Nilai Prioritas Operator dalam Python – Part 1
πŸ”— πŸ“œ Quiz 13
πŸ”— πŸ“œ Tugas Praktek 6


Modul 4 : Python's Conditiong & Looping

Link Code Title
πŸ”— πŸ“œ Python Conditioning for Decision – Part 2
πŸ”— πŸ“œ Python Conditioning for Decision – Part 3
πŸ”— πŸ“œ Tugas Praktek 7
πŸ”— πŸ“œ Tugas Praktek 8
πŸ”— πŸ“œ Python while loops – Part 1
πŸ”— πŸ“œ Python while loops – Part 2
πŸ”— πŸ“œ Python while loops – Part 3
πŸ”— πŸ“œ Python for loops – Part 1
πŸ”— πŸ“œ Python for loops – Part 2
πŸ”— πŸ“œ Python for loops – Part 3
πŸ”— πŸ“œ Tugas Praktek 9


Modul 5 : Mini Quiz

Link Code Title
πŸ”— πŸ“œ Ekspedisi Pamanku



⬆ back to top

Python for Data Professional Beginner - Part 2

Modul 1 : Collection Manipulation dengan Python

Link Code Title
πŸ”— πŸ“œ Mengakses List dan Tuple – Part 1
πŸ”— πŸ“œ Mengakses List dan Tuple – Part 2
πŸ”— πŸ“œ Penggabungan Dua atau Lebih List atau Tuple
πŸ”— πŸ“œ Quiz 1
πŸ”— πŸ“œ List Manipulation - Part 1
πŸ”— πŸ“œ List Manipulation - Part 2
πŸ”— πŸ“œ Tuple Manipulation
πŸ”— πŸ“œ Quiz 2
πŸ”— πŸ“œ Set Manipulation - Part 1
πŸ”— πŸ“œ Set Manipulation - Part 2
πŸ”— πŸ“œ Quiz 3
πŸ”— πŸ“œ Dictionary Manipulation
πŸ”— πŸ“œ Useful Tips and Tricks
πŸ”— πŸ“œ Tugas Praktek 1


Modul 2 : String Manipulation dengan Python

Link Code Title
πŸ”— πŸ“œ Apa itu String Manipulation?
πŸ”— πŸ“œ Operator β€œ+” untuk Tipe Data String
πŸ”— πŸ“œ Menghilangkan Spasi di Awal dan/atau di Akhir
πŸ”— πŸ“œ Merubah Caps pada String
πŸ”— πŸ“œ Pemecahan, Penggabungan, dan Penggantian String
πŸ”— πŸ“œ Menentukan Posisi dan Jumlah Sub-string pada String
πŸ”— πŸ“œ Menentukan String Apakah Diawali/Diakhiri oleh Sub-string
πŸ”— πŸ“œ Tugas Praktek 2
πŸ”— πŸ“œ Tugas Praktek 3


Modul 3 : Functions

Link Code Title
πŸ”— πŸ“œ Fungsi Pertama
πŸ”— πŸ“œ Fungsi Kedua
πŸ”— πŸ“œ Fungsi Ketiga
πŸ”— πŸ“œ Tugas Praktek 4
πŸ”— πŸ“œ Tugas Praktek 5
πŸ”— πŸ“œ Tugas Praktek 6


Modul 4 : Manipulasi Berkas Teks dan Library Matematika pada Python

Link Code Title
πŸ”— πŸ“œ Membaca Berkas Teks – Part 1
πŸ”— πŸ“œ Membaca Berkas Teks – Part 2
πŸ”— πŸ“œ Menulis Berkas Teks – Part 1
πŸ”— πŸ“œ Menulis Berkas Teks – Part 2
πŸ”— πŸ“œ Quiz 4
πŸ”— πŸ“œ Quiz 5
πŸ”— πŸ“œ Fungsi dalam Library Matematika – Part 1
πŸ”— πŸ“œ Fungsi dalam Library Matematika – Part 2
πŸ”— πŸ“œ Quiz 6
πŸ”— πŸ“œ Quiz 7


Modul 5 : Mini Quiz

Link Code Title
πŸ”— πŸ“œ Harga Rumah di Tangerang



⬆ back to top

Python for Data Professional Beginner - Part 3

Modul 1 : Pengantar Object Oriented Programming

Link Code Title
πŸ”— πŸ“œ Quiz 1
πŸ”— πŸ“œ Quiz 2
πŸ”— πŸ“œ Quiz 3


Modul 2 : Classes & Objects

Link Code Title
πŸ”— πŸ“œ Class dan Objek dalam Python - Part 3
πŸ”— πŸ“œ Class dan Objek dalam Python - Part 4
πŸ”— πŸ“œ Quiz 4
πŸ”— πŸ“œ Quiz 5
πŸ”— πŸ“œ Behavior pada Class
πŸ”— πŸ“œ Tugas Praktek 1
πŸ”— πŸ“œ Tugas Praktek 2


Modul 3 : Encapsulation & Inheritance

Link Code Title
πŸ”— πŸ“œ Encapsulation pada Python - Part 2
πŸ”— πŸ“œ Quiz 6
πŸ”— πŸ“œ Quiz 7
πŸ”— πŸ“œ Inheritance pada Python – Part 1
πŸ”— πŸ“œ Inheritance pada Python – Part 2
πŸ”— πŸ“œ Quiz 8
πŸ”— πŸ“œ Quiz 9


Modul 4 : Polymorphism & Overloading

Link Code Title
πŸ”— πŸ“œ Polymorphism pada Python - Part 1
πŸ”— πŸ“œ Polymorphism pada Python - Part 2
πŸ”— πŸ“œ Tugas Praktek 3
πŸ”— πŸ“œ Tugas Praktek 4
πŸ”— πŸ“œ Tugas Praktek 5


Modul 5 : Mini Quiz

Link Code Title
πŸ”— πŸ“œ Studi Kasus dari Senja



⬆ back to top

Memahami Bahasa SQL dan Sistem Database Relasional agar dapat mengolah data di Perusahaan Yang Sudah Menerapkan Sistem IT

Fundamental SQL Using SELECT Statement

Modul 1 : Structured Query Language

Link Code Title
πŸ”— πŸ“œ Quiz: Apa singkatan dari SQL?
πŸ”— πŸ“œ Quiz: Kenapa perlu belajar SQL?


Modul 2 : Sistem Database Relasional

Link Code Title
πŸ”— πŸ“œ Quiz: Mana saja yang merupakan nama produk RDBMS?
πŸ”— πŸ“œ Quiz: Mana urutan hirarki yang benar?
πŸ”— πŸ“œ Quiz: Apa nama komponen tabel ini?
πŸ”— πŸ“œ Quiz: Mana yang disebut sebagai row?


Modul 3 : Penggunaan Perintah SELECT… FROM…

Link Code Title
πŸ”— πŸ“œ Mengambil Seluruh Kolom dalam suatu Tabel
πŸ”— πŸ“œ Mengambil Satu Kolom dari Tabel
πŸ”— πŸ“œ Quiz: Mana perintah SQL yang benar?
πŸ”— πŸ“œ Mengambil Lebih dari Satu Kolom dari Tabel
πŸ”— πŸ“œ Quiz: Mana perintah SQL yang benar?
πŸ”— πŸ“œ Membatasi Pengambilan Jumlah Row Data
πŸ”— πŸ“œ Quiz: Mana penggunaan limit berikut yang benar?
πŸ”— πŸ“œ Penggunaan SELECT DISTINCT statement


Modul 4 : Prefix dan Alias

Link Code Title
πŸ”— πŸ“œ Menggunakan Prefix pada Nama Kolom
πŸ”— πŸ“œ Quiz: Mana penggunaan prefix berikut yang benar?
πŸ”— πŸ“œ Menggunakan Alias pada Kolom
πŸ”— πŸ“œ Quiz: Mana Penggunaan Alias yang Benar untuk Kolom?
πŸ”— πŸ“œ Menghilangkan Keyword 'AS'
πŸ”— πŸ“œ Quiz: Mana Penggunaan Variasi Alias yang Benar?
πŸ”— πŸ“œ Menggabungkan Prefix dan Alias
πŸ”— πŸ“œ Menggunakan Alias pada Tabel
πŸ”— πŸ“œ Prefix dengan Alias Tabel
πŸ”— πŸ“œ Quiz: Mana Kombinasi Prefix dan Alias yang Benar?


Modul 5 : Menggunakan Filter

Link Code Title
πŸ”— πŸ“œ Menggunakan WHERE
πŸ”— πŸ“œ Menggunakan Operand OR
πŸ”— πŸ“œ Filter untuk Angka
πŸ”— πŸ“œ Menggunakan Operand AND
πŸ”— πŸ“œ Quiz: Mana Query Filter dengan OR yang Benar?
πŸ”— πŸ“œ Quiz: Mana Filter yang Akan Mengeluarkan Hasil?


Modul 6 : Mini Project

Link Code Title
πŸ”— πŸ“œ Proyek dari Cabang A



⬆ back to top

Fundamental SQL Using FUNCTION and GROUP BY

Modul 1 : Fungsi di SQL

Link Code Title
πŸ”— πŸ“œ Fungsi Skalar Matematika - ABS()
πŸ”— πŸ“œ Fungsi Skalar Matematika - CEILING()
πŸ”— πŸ“œ Fungsi Skalar Matematika - FLOOR()
πŸ”— πŸ“œ Fungsi Skalar Matematika - ROUND()
πŸ”— πŸ“œ Fungsi Skalar Matematika - SQRT()
πŸ”— πŸ“œ Tugas Praktek 1


Modul 2 : Fungsi Text di SQL

Link Code Title
πŸ”— πŸ“œ Fungsi Text - CONCAT()
πŸ”— πŸ“œ Fungsi Text - SUBSTRING_INDEX()
πŸ”— πŸ“œ Fungsi Text - SUBSTR()
πŸ”— πŸ“œ Fungsi Text - LENGTH()
πŸ”— πŸ“œ Fungsi Text - REPLACE()
πŸ”— πŸ“œ Tugas Praktek 2


Modul 3 : Fungsi Aggregate dan Group By

Link Code Title
πŸ”— πŸ“œ Fungsi Aggregate - SUM()
πŸ”— πŸ“œ Fungsi Aggregate - COUNT()
πŸ”— πŸ“œ Fungsi Aggregate - AVG()
πŸ”— πŸ“œ Tugas Praktek 3
πŸ”— πŸ“œ Group by Single Column
πŸ”— πŸ“œ Group by Multiple Column
πŸ”— πŸ“œ Fungsi Aggregate dengan Grouping
πŸ”— πŸ“œ Tugas Praktek 4


Modul 4 : Mini Project

Link Code Title
πŸ”— πŸ“œ Proyek Pekerjaan - Analisis Penjualan Part 1
πŸ”— πŸ“œ Proyek Pekerjaan - Analisis Penjualan Part 2



⬆ back to top

Fundamental SQL Using INNER JOIN and UNION

Modul 1 : Penggabungan Tabel dari Relasi Kolom

Link Code Title
πŸ”— πŸ“œ Tugas Praktek 1
πŸ”— πŸ“œ Quiz: Mana kolom dari kedua tabel yang memiliki kecocokan data?
πŸ”— πŸ“œ Quiz: Mana data dari pasangan key column yang cocok?
πŸ”— πŸ“œ Menggabungkan Tabel dengan Key Columns
πŸ”— πŸ“œ Quiz: Mana Query Penggabungan Tabel Yang Benar?
πŸ”— πŸ“œ Quiz: Mana Penjelasan Hasil Penggabungan Yang Benar?
πŸ”— πŸ“œ Bagaimana jika urutan Tabel diubah?
πŸ”— πŸ“œ Menggunakan Prefix Nama Tabel
πŸ”— πŸ“œ Penggabungan Tanpa Kondisi
πŸ”— πŸ“œ Quiz: Berapa Jumlah Baris Hasil β€œJoin Tanpa Kondisi” Berikut?


Modul 2 : INNER JOIN

Link Code Title
πŸ”— πŸ“œ Tugas Praktek: Menggunakan INNER JOIN (1/3)
πŸ”— πŸ“œ tabel tr_penjualan dan tabel ms_produk
πŸ”— πŸ“œ Quiz: Mengidentifikasi Key Column tabel tr_penjualan dan ms_produk
πŸ”— πŸ“œ Tugas Praktek: Menggunakan INNER JOIN (2/3)
πŸ”— πŸ“œ Tugas Praktek: Menggunakan INNER JOIN (3/3)


Modul 3 : UNION

Link Code Title
πŸ”— πŸ“œ Tabel yang Akan Digabungkan
πŸ”— πŸ“œ Menggunakan UNION
πŸ”— πŸ“œ Menggunakan UNION dengan Klausa WHERE
πŸ”— πŸ“œ Menggunakan UNION dan Menyelaraskan Kolom-Kolomnya
πŸ”— πŸ“œ Quiz


Modul 4 : Mini Project

Link Code Title
πŸ”— πŸ“œ Project INNER JOIN
πŸ”— πŸ“œ Project UNION



⬆ back to top

Memahami Konsep dan Penerapan Exploratory Data Analysis dalam Studi Kasus Bisnis

Exploratory Data Analysis with Python for Beginner

Modul 1 : Pengenalan Library dalam Python

Link Code Title
πŸ”— πŸ“œ Quiz 1
πŸ”— πŸ“œ Quiz 2
πŸ”— πŸ“œ Memanggil library di Python


Modul 2 : Exploratory Data Analysis dengan Pandas - Part 1

Link Code Title
πŸ”— πŸ“œ Tugas Praktek 1
πŸ”— πŸ“œ Tugas Praktek 2
πŸ”— πŸ“œ Tugas Praktek 3
πŸ”— πŸ“œ Tugas Praktek 4


Modul 3 : Exploratory Data Analysis dengan Pandas - Part 2

Link Code Title
πŸ”— πŸ“œ Tugas Praktek 5
πŸ”— πŸ“œ Tugas Praktek 6
πŸ”— πŸ“œ Tugas Praktek 7
πŸ”— πŸ“œ Tugas Praktek 8
πŸ”— πŸ“œ Tugas Praktek 9
πŸ”— πŸ“œ Tugas Praktek 10


Modul 4 : Mini Project

Link Code Title
πŸ”— πŸ“œ Tugas dari Andra



⬆ back to top

Mengolah Dataset Dalam Jumlah Kecil sampai dengan Besar

Data Manipulation with Pandas - Part 1

Modul 1 : Introduction to Pandas

Link Code Title
πŸ”— πŸ“œ Memanggil Library Pandas
πŸ”— πŸ“œ DataFrame & Series
πŸ”— πŸ“œ Atribut DataFrame & Series - Part 1
πŸ”— πŸ“œ Atribut DataFrame & Series - Part 2
πŸ”— πŸ“œ Atribut DataFrame & Series - Part 3
πŸ”— πŸ“œ Quiz 1
πŸ”— πŸ“œ Creating Series & Dataframe from List
πŸ”— πŸ“œ Creating Series & Dataframe from Dictionary
πŸ”— πŸ“œ Creating Series & Dataframe from Numpy Array
πŸ”— πŸ“œ Quiz 2


Modul 2 : Dataset I/O

Link Code Title
πŸ”— πŸ“œ Read Dataset - CSV dan TSV
πŸ”— πŸ“œ Read Dataset - Excel
πŸ”— πŸ“œ Read Dataset - JSON
πŸ”— πŸ“œ Head & Tail
πŸ”— πŸ“œ Quiz 3


Modul 3 : Indexing, Slicing, dan Transforming

Link Code Title
πŸ”— πŸ“œ Indexing - Part 2
πŸ”— πŸ“œ Indexing - Part 3
πŸ”— πŸ“œ Indexing - Part 4
πŸ”— πŸ“œ Indexing - Part 5
πŸ”— πŸ“œ Quiz 4
πŸ”— πŸ“œ Slicing - Part 1
πŸ”— πŸ“œ Slicing - Part 2
πŸ”— πŸ“œ Quiz 5
πŸ”— πŸ“œ Transforming - Part 1
πŸ”— πŸ“œ Transforming - Part 2
πŸ”— πŸ“œ Transforming - Part 3
πŸ”— πŸ“œ Transforming - Part 4


Modul 4 : Handling Missing Values

Link Code Title
πŸ”— πŸ“œ Inspeksi Missing Value
πŸ”— πŸ“œ Treatment untuk Missing Value - Part 2
πŸ”— πŸ“œ Treatment untuk Missing Value - Part 3
πŸ”— πŸ“œ Treatment untuk Missing Value - Part 4
πŸ”— πŸ“œ Treatment untuk Missing Value - Part 5
πŸ”— πŸ“œ Quiz 6


Modul 5 : Mini Project

Link Code Title
πŸ”— πŸ“œ Project dari Andra



⬆ back to top

Data Manipulation with Pandas - Part 2

Modul 1 : Penggabungan Series/Dataframe

Link Code Title
πŸ”— πŸ“œ Append
πŸ”— πŸ“œ Concat
πŸ”— πŸ“œ Merge - Part 1
πŸ”— πŸ“œ Merge - Part 2
πŸ”— πŸ“œ Join
πŸ”— πŸ“œ Quiz 1


Modul 2 : Pivot, Melt, Stack & Unstack

Link Code Title
πŸ”— πŸ“œ Dataset
πŸ”— πŸ“œ Pivot
πŸ”— πŸ“œ Pivot_table
πŸ”— πŸ“œ Melt - Part 1
πŸ”— πŸ“œ Melt - Part 2
πŸ”— πŸ“œ Stack & Unstack - Part 1
πŸ”— πŸ“œ Stack & Unstack - Part 2
πŸ”— πŸ“œ Quiz 2


Modul 3 : Aggregation & GroupBy

Link Code Title
πŸ”— πŸ“œ Review Inspeksi Data
πŸ”— πŸ“œ Groupby dan Aggregasi dengan Fungsi Statistik Dasar - Part 1
πŸ”— πŸ“œ Groupby dan Aggregasi dengan Fungsi Statistik Dasar - Part 2
πŸ”— πŸ“œ Groupby dan Aggregasi dengan Fungsi Statistik Dasar - Part 3
πŸ”— πŸ“œ Groupby dengan Multiple Aggregations
πŸ”— πŸ“œ Groupby dengan Custom Aggregations
πŸ”— πŸ“œ Groupby dengan Custom Aggregations by dict
πŸ”— πŸ“œ Quiz 3


Modul 4 : Time Series in Pandas

Link Code Title
πŸ”— πŸ“œ Load Dataset as Time Series
πŸ”— πŸ“œ Convert to Datetime
πŸ”— πŸ“œ Downsampling Data
πŸ”— πŸ“œ Upsampling Data
πŸ”— πŸ“œ Resampling by Frequency
πŸ”— πŸ“œ Visualisasi
πŸ”— πŸ“œ Quiz 4


Modul 5 : Mini Project

Link Code Title
πŸ”— πŸ“œ Performa Penjualan di Setiap Cabang - Part 1
πŸ”— πŸ“œ Performa Penjualan di Setiap Cabang - Part 2
πŸ”— πŸ“œ Performa Penjualan di Setiap Cabang - Part 3
πŸ”— πŸ“œ Performa Penjualan di Setiap Cabang - Part 4
πŸ”— πŸ“œ Performa Penjualan di Setiap Cabang - Part 5
πŸ”— πŸ“œ Performa Penjualan di Setiap Cabang - Part 6



⬆ back to top

Memahami Konsep dan Menghasilkan Tipe Visualisasi Data yang Tepat untuk Mempresentasikan Suatu Kasus Bisnis

Data Visualization with Python Matplotlib for Beginner - Part 1

Modul 1 : Pengenalan Matplotlib dan Persiapan Dataset

Link Code Title
πŸ”— πŸ“œ Pengenalan Dataset
πŸ”— πŸ“œ Quiz 1
πŸ”— πŸ“œ Penambahan Kolom Order Month pada Dataset
πŸ”— πŸ“œ Penambahan Kolom GMV pada Dataset
πŸ”— πŸ“œ Quiz 2


Modul 2 : Plot Pertama dengan Matplotlib

Link Code Title
πŸ”— πŸ“œ Membuat Data Agregat
πŸ”— πŸ“œ Plot Pertama: Membuat Line Chart Trend Pertumbuhan GMV
πŸ”— πŸ“œ Cara Alternatif: Fungsi .plot() pada pandas Dataframe
πŸ”— πŸ“œ Quiz 3


Modul 3 : Kustomisasi Grafik - Part 1

Link Code Title
πŸ”— πŸ“œ Mengubah Figure Size
πŸ”— πŸ“œ Quiz 4
πŸ”— πŸ“œ Menambahkan Title and Axis Labels
πŸ”— πŸ“œ Kustomisasi Title and Axis Labels
πŸ”— πŸ“œ Quiz 5
πŸ”— πŸ“œ Kustomisasi Line dan Point
πŸ”— πŸ“œ Kustomisasi Grid
πŸ”— πŸ“œ Quiz 6


Modul 4 : Kustomisasi Grafik - Part 2

Link Code Title
πŸ”— πŸ“œ Kustomisasi Axis Ticks
πŸ”— πŸ“œ Menentukan Batas Minimum dan Maksimum Axis Ticks
πŸ”— πŸ“œ Quiz 7
πŸ”— πŸ“œ Menambahkan Informasi Pada Plot
πŸ”— πŸ“œ Quiz 8
πŸ”— πŸ“œ Menyimpan Hasil Plot Menjadi File Image
πŸ”— πŸ“œ Pengaturan Parameter untuk Menyimpan Gambar
πŸ”— πŸ“œ Quiz 9


Modul 5 : Mini Project

Link Code Title
πŸ”— πŸ“œ Studi Kasus dari Senja: Daily number of customers on Desember



⬆ back to top

Data Visualization with Python Matplotlib for Beginner - Part 2

Modul 1 : Jenis-Jenis Visualisasi Data dan Tujuannya

Link Code Title
πŸ”— πŸ“œ Quiz 1
πŸ”— πŸ“œ Quiz 2
πŸ”— πŸ“œ Quiz 3
πŸ”— πŸ“œ Quiz 4


Modul 2 : Membuat Multi-line Chart dan Kustomisasi Lanjutan

Link Code Title
πŸ”— πŸ“œ Membuat Multi-Line Chart
πŸ”— πŸ“œ Kustomisasi Legend
πŸ”— πŸ“œ Quiz 5
πŸ”— πŸ“œ Kustomisasi Colormap
πŸ”— πŸ“œ Membuat Line Chart GMV Breakdown by Top Provinces
πŸ”— πŸ“œ Quiz 6
πŸ”— πŸ“œ Membuat Anotasi


Modul 3 : Membuat Pie-Chart dan Bar-Chart

Link Code Title
πŸ”— πŸ“œ Membuat Subset Data
πŸ”— πŸ“œ Membuat Pie Chart
πŸ”— πŸ“œ Membuat Bar Chart
πŸ”— πŸ“œ Membuat Multi-Bar Chart
πŸ”— πŸ“œ Membuat Stacked Chart
πŸ”— πŸ“œ Quiz 7


Modul 4 : Membuat Histogram dan Scatterplot

Link Code Title
πŸ”— πŸ“œ Membuat Agregat Data Customer
πŸ”— πŸ“œ Membuat Histogram - Part 1
πŸ”— πŸ“œ Membuat Histogram - Part 2
πŸ”— πŸ“œ Membuat Histogram - Part 3
πŸ”— πŸ“œ Quiz 8
πŸ”— πŸ“œ Membuat Scatterplot
πŸ”— πŸ“œ Quiz 9


Modul 5 : Mini Project

Link Code Title
πŸ”— πŸ“œ Case 1: Menentukan brand top 5
πŸ”— πŸ“œ Case 2: Multi-line chart daily quantity untuk brand top 5
πŸ”— πŸ“œ Case 3: Kuantitas penjualan brand top 5 selama Desember 2019
πŸ”— πŸ“œ Case 4: Penjulan produk diatas 100 dan dibawah 100 selama Desember 2019
πŸ”— πŸ“œ Case 5: Murah atau mahalkah harga produk brand top 5
πŸ”— πŸ“œ Case 6a: Korelasi quantity vs GMV
πŸ”— πŸ“œ Case 6b: Korelasi median harga vs quantity



⬆ back to top

Memahami Konsep Predictive Modeling & Mampu Menguji Tingkat Akurasi untuk Memilih Model yang Tepat

Machine Learning With Python for Beginner

Modul 1 : Pengenalan Machine Learning

Link Code Title
πŸ”— πŸ“œ Quiz 1
πŸ”— πŸ“œ Quiz 2
πŸ”— πŸ“œ Quiz 3
πŸ”— πŸ“œ Quiz 4
πŸ”— πŸ“œ Quiz 5
πŸ”— πŸ“œ Quiz 6


Modul 2 : Eksplorasi Data & Data Pre-processing

Link Code Title
πŸ”— πŸ“œ Eksplorasi Data: Memahami Data dengan Statistik - Part 1
πŸ”— πŸ“œ Quiz 7
πŸ”— πŸ“œ Eksplorasi Data: Memahami Data dengan Statistik - Part 2
πŸ”— πŸ“œ Quiz 8
πŸ”— πŸ“œ Eksplorasi Data: Memahami Data dengan Visual
πŸ”— πŸ“œ Tugas Praktek 1
πŸ”— πŸ“œ Data Pre-processing: Handling Missing Value - Part 1
πŸ”— πŸ“œ Data Pre-processing: Handling Missing Value - Part 2
πŸ”— πŸ“œ Data Pre-processing: Handling Missing Value - Part 3
πŸ”— πŸ“œ Tugas Praktek 2
πŸ”— πŸ“œ Data Preprocessing: Scaling
πŸ”— πŸ“œ Data Pre-processing: Konversi string ke numerik


Modul 3 : Pemodelan dengan Scikit-Learn

Link Code Title
πŸ”— πŸ“œ Features & Label
πŸ”— πŸ“œ Training & Test Dataset
πŸ”— πŸ“œ Training Model: Fit
πŸ”— πŸ“œ Training Model: Predict
πŸ”— πŸ“œ Evaluasi Model Performance - Part 2
πŸ”— πŸ“œ Quiz 9


Modul 4 : Supervised Learning - Algorithm

Link Code Title
πŸ”— πŸ“œ Permodelan Permasalahan Klasifikasi dengan Logistic Regression
πŸ”— πŸ“œ Tugas Praktek 3
πŸ”— πŸ“œ Tugas Praktek 4
πŸ”— πŸ“œ Tugas Praktek 5


Modul 5 : Unsupervised Learning - Algorithm

Link Code Title
πŸ”— πŸ“œ Tugas Praktek 6
πŸ”— πŸ“œ Tugas Praktek 7
πŸ”— πŸ“œ Tugas Praktek 8
πŸ”— πŸ“œ Quiz 10


Modul 6 : Mini Project

Link Code Title
πŸ”— πŸ“œ Case Study: Promos for our e-commerce - Part 1
πŸ”— πŸ“œ Case Study: Promos for our e-commerce - Part 2
πŸ”— πŸ“œ Case Study: Promos for our e-commerce - Part 3
πŸ”— πŸ“œ Case Study: Promos for our e-commerce - Part 4
πŸ”— πŸ“œ Case Study: Promos for our e-commerce - Part 5
πŸ”— πŸ“œ Case Study: Promos for our e-commerce - Part 6
πŸ”— πŸ“œ Quiz 11



⬆ back to top

Melakukan Investigasi dan Mendeteksi Anomali pada Data

Data Quality with Python for Beginner

Modul 1 : Data Profiling

Link Code Title
πŸ”— πŸ“œ Importing Data
πŸ”— πŸ“œ Inspeksi tipe data
πŸ”— πŸ“œ Descriptive Statistics - Part 1
πŸ”— πŸ“œ Descriptive Statistics - Part 2
πŸ”— πŸ“œ Descriptive Statistics - Part 3
πŸ”— πŸ“œ Descriptive Statistics - Part 4
πŸ”— πŸ“œ Descriptive Statistics - Part 5
πŸ”— πŸ“œ Descriptive Statistics - Part 6


Modul 2 : Data Cleansing

Link Code Title
πŸ”— πŸ“œ Missing Data
πŸ”— πŸ“œ Tugas Praktek 1
πŸ”— πŸ“œ Outliers
πŸ”— πŸ“œ Tugas Praktek 2
πŸ”— πŸ“œ Tugas Praktek 3


Modul 3 : Mini Project

Link Code Title
πŸ”— πŸ“œ Case Studi: Data Profiling
πŸ”— πŸ“œ Case Studi: Data Profiling - Part 1
πŸ”— πŸ“œ Case Studi: Data Profiling - Part 2



⬆ back to top

Data Analyst Project: Business Decision Research

Data Analyst Project: Business Decision Research

Modul 1 : Pendahuluan


Modul 2 : Theoritical Test

Link Code Title
πŸ”— πŸ“œ Skill bagi Data Analyst


Modul 3 : Coding Test: Data Preparation

Link Code Title
πŸ”— πŸ“œ Importing Data dan Inspection
πŸ”— πŸ“œ Data Cleansing
πŸ”— πŸ“œ Churn Customers
πŸ”— πŸ“œ Quiz: Kolom yang akan dihapus
πŸ”— πŸ“œ Menghapus Kolom yang tidak diperlukan


Modul 4 : Coding Test: Data Visualization

Link Code Title
πŸ”— πŸ“œ Customer acquisition by year
πŸ”— πŸ“œ Transaction by year
πŸ”— πŸ“œ Average transaction amount by year
πŸ”— πŸ“œ Proporsi churned customer untuk setiap produk
πŸ”— πŸ“œ Distribusi kategorisasi count transaction
πŸ”— πŸ“œ Distribusi kategorisasi average transaction amount


Modul 5 : Coding Test: Modelling

Link Code Title
πŸ”— πŸ“œ Feature Columns and Target
πŸ”— πŸ“œ Split X dan Y ke bagian Training dan Testing
πŸ”— πŸ“œ Train, Predict, dan Evaluate
πŸ”— πŸ“œ Visualisasi Confusion Matrix
πŸ”— πŸ“œ Accuracy, Precision, dan Recall


Modul 6 : Penutup



⬆ back to top

πŸ–Š Contributing

Contributions are what make the open source community such an amazing place to be learn, inspire, and create. Any contributions you make are greatly appreciated.

  1. Fork the Project
  2. Create your Feature Branch (git checkout -b feature/AmazingFeature)
  3. Commit your Changes (git commit -m 'Add a new script')
  4. Push to the Branch (git push origin feature/AmazingFeature)
  5. Open a Pull Request



⬆ back to top

πŸŽ‰ Courtesy


Hello !

Note that the project description data, including the texts, logos, images, and/or trademarks, for each open source project belongs to its rightful owner. If you wish to add or remove any projects, please contact us at [email protected].