Ulasan Pendahuluan: Applied Data Science with Python Specialization – University of Michigan @Coursera

Applied Data Science with Python Specialization – Coursera

Dibuat oleh:

University of Michigan

Format

Specialization

Durasi:

5 bulan

Biaya:

$49/bulan

Tingkat

Menengah

Persyaratan

Python dasar

Disarankan untuk mengambil kursus dasar tentang pembelajaran mesin terlebih dahulu.

Rating oleh murid:

 (sekitar 4.5 dari 5 oleh >500 murid)

Rating saya

Silabus:

Copas overview dari program: “The 5 courses in this University of Michigan specialization introduce learners to data science through the python programming language. This skills-based specialization is intended for learners who have basic a python or programming background, and want to apply statistical, machine learning, information visualization, text analysis, and social network analysis techniques through popular python toolkits such as pandas, matplotlib, scikit-learn, nltk, and networkx to gain insight into their data.“

Program ini terdiri dari lima kursus sbb. (maaf campur-campur sebagian tidak saya terjemahkan karena copas):

1. Introduction to Data Science in Python
   1. basics of the python programming environment, including how to download and install python, expected fundamental python programming techniques, and how to find help with python programming questions
   2. introduce data manipulation and cleaning techniques using the popular python pandas data science library and introduce the abstraction of the DataFrame as the central data structure for data analysis
   3. statistics primer, showing how various statistical measures can be applied to pandas DataFrames
   4. Durasi 4 minggu
   5. Rating: 4.5 dari 5 oleh 2787 murid.
2. Applied Plotting, Charting & Data Representation in Python
   1. This course will introduce the learner to information visualization basics, with a focus on reporting and charting using the matplotlib library
   2. Rating: 4.4 dari 5 oleh 520 murid
3. Applied Machine Learning in Python
   1. Fundamentals of Machine Learning – Intro to SciKit Learn
   2. Supervised Machine Learning – Part 1
   3. Evaluation
   4. Supervised Machine Learning – Part 2
   5. Rating: 4.6 dari 5 oleh 534 murid
4. Applied Text Mining in Python
   1. Working with Text in Python
   2. Basic Natural Language Processing
   3. Classification of Text
   4. Topic Modeling
   5. Rating: 4.1 dari 5 oleh 84 murid
5. Applied Social Network Analysis in Python
   1. introduce the learner to network analysis through the NetworkX library

Komentar

Catatan: ulasan pendahuluan (preliminary review) ini saya buat dalam rangka membuat Rancangan Lengkap Program Belajar Data Science Mandiri. Ulasan dan penilaian saya hanya berdasar pada silabus dan ulasan orang lain dari berbagai sumber, karena saya belum mengikuti kursus ini.

Melihat judul dan silabusnya, program ini sepertinya lebih memfokuskan pada aspek yang lebih praktis dari data science, yaitu bagaimana menggunakan tools-nya terutama dengan memakai Python. Penggunaan tools ini bahkan diperluas sampai mencakup text mining dan social network analysis. Jadi sisi positifnya adalah Anda akan mengenal tools-nya (yang berbasis Python) dengan baik.

Hal positif yang lain adalah, melihat silabusnya, sepertinya tugas pemrograman juga ada hampir di setiap minggu.

Membaca review dari para murid, rata-rata semua mengatakan bahwa kursus ini memberikan materi yang sangat berharga, dengan tugas-tugas yang relevan dan bahkan menantang.

Sedangkan kritisi yang sering muncul adalah, kurangnya penjelasan tentang suatu materi sehingga murid harus lebih aktif mencari penjelasan di tempat lain, sistem peer review pada kursus kedua yang kurang efektif untuk mendapatkan feedback, dan sifat kursus ini yang terlalu praktis (applied) yang kurang memberi penjelasan tentang latar belakang bagaimana sebuah algoritma atau rumus pembelajaran mesin bekerja. Sehingga disarankan untuk mengambil kursus introduksi lain tentang pembelajaran mesin terlebih dahulu sebelum mengambil kursus ini.

Tips

Materi dari program ini dapat diakses dengan gratis dengan cara membuka link kursus di bagian silabus di atas. Bedanya versi gratis (disebut audit) dan bayar di Coursera adalah untuk versi gratis Anda tidak punya akses ke kuis yang dinilai (graded) ataupun tugas pemrograman: