Ulasan Pendahuluan: Data Science Specialization (John Hopkins University via Coursera)

Data Science Specialization – JHU via Coursera

Dibuat oleh:

Johns Hopkins University

Format

Specialization

Durasi:

3-6 bulan

Biaya:

$49/bulan

Penilaian oleh murid:

Class Central:  (4.3 dari 5 oleh 9 review) (lihat review)

Persyaratan

“Some programming experience (in any language) is recommended. We also suggest a working knowledge of mathematics up to algebra (neither calculus or linear algebra are required).”

Silabus

Program ini terdiri dari 10 kursus/MOOC dan tugas-tugas proyek pemrograman. Masing-masing kursus rata-rata berdurasi 4 minggu dengan asumsi komitmen belajar 1-4 jam per minggu. Materi kursus terdiri dari video, materi tulisan, kuis, dan proyek.

Kesepuluh kursusnya adalah sbb:

1. The Data Scientist’s Toolbox
   • There are two components to this course.
     • The first is a conceptual introduction to the ideas behind turning data into actionable knowledge.
     • The second is a practical introduction to the tools that will be used in the program like version control, markdown, git, GitHub, R, and RStudio.
   • Durasi 4 minggu dengan komitmen 1-4 jam/minggu
2. R Programming
   1. Durasi 4 minggu
3. Getting and Cleaning Data
   1. Web, XML, JSON, SQL, HDF5,
   2. indexing, subsetting, dplyr
   3. Durasi 4 minggu
4. Exploratory Data Analysis
   1. Durasi 4 minggu
   2. The basics of analytic graphics and the base plotting system in R
   3. The more advanced graphing systems available in R: the Lattice system and the ggplot2 system
   4. This week covers some of the workhorse statistical methods for exploratory analysis
   5. We’ll look at two case studies in exploratory data analysis
5. Reproducible Research
   1. Concepts, Ideas, & Structure
   2. Markdown & knitr
   3. Reproducible Research Checklist & Evidence-based Data Analysis
   4. Case Studies & Commentaries
6. Statistical Inference
   1. Probability & Expected Values
   2. Variability, Distribution, & Asymptotics
   3. Intervals, Testing, & Pvalues
   4. Power, Bootstrapping, & Permutation Tests
7. Regression Models
   1. Least Squares and Linear Regression
   2. Linear Regression & Multivariable Regression
   3. Multivariable Regression, Residuals, & Diagnostics
   4. Logistic Regression and Poisson Regression
8. Practical Machine Learning
   1. Prediction, Errors, and Cross Validation
   2. The Caret Package
   3. Predicting with trees, Random Forests, & Model Based Predictions
   4. Regularized Regression and Combining Predictors
9. Developing Data Products
   1. Mengajarkan tentang bagaimana membuat sebuah produk (aplikasi) yang berisi semua proses data analisis berikut prediksinya.
   2. HTML dan visualisasi: Shiny, GoogleVis, and Plotly
   3. R Markdown and Leaflet
   4. R Packages
   5. Swirl and Course Project
10. Data Science Capstone (tugas akhir)
    1. Durasi 7 minggu

Bahasa Pemrograman

R

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.

Ini adalah program Specialization dari Coursera (setara dengan program NanoDegree dari Udacity atau MicroMasters dari EdX) untuk menjadi data scientist. Dari segi materi sepertinya lengkap sekali. Anda diajarkan tidak hanya dari segi teknis data science seperti data wrangling, exploratory data analysis (EDA), maupun ML-nya sendiri, tapi juga hal-hal teknis pendukung misalnya web scraping, HTML, dan membuat tulisan dengan MarkDown dan melengkapinya dengan grafis yang cantik, dan tentang mengkomunikasikan pekerjaan Anda, dan bahkan sampai bagaimana membungkus pekerjaan Anda menjadi sebuah produk.

Kalau Anda membutuhkan skillset yang lengkap dan Anda tidak ada latar belakang pemrograman sama sekali, mungkin kursus ini cocok untuk Anda karena mencakup pemakaian banyak teknologi.

Tips

Materi kursus tersedia secara gratis di https://www.coursera.org/jhu atau dengan cara mencari di katalog dengan judul kursus di atas. Anda mungkin bisa melihat-lihat dulu isinya sebelum ikut program spesialisasinya. Atau mungkin malah menyelesaikan dulu materinya dengan versi gratis sehingga waktu yang dibutuhkan untuk menyelesaikan program spesialisasi bisa lebih cepat.

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:

Ulasan Lain

• My Experience with the Coursera Johns Hopkins Data Science Certification:
  “Great program. It won’t make you a star data scientist, but it will give you a great
  foundation to go from. Kaggle might be a good next step.”
• Quora: What is your review of Coursera Data Science Specialization Track

 

.