Kategori 24 · 20 modul
Matematika untuk Ilmu Data
Matematika untuk Ilmu Data: statistika deskriptif dan eksplorasi, inferensi dan uji hipotesis, pengurangan dimensi, serta pemodelan dari regresi sampai deret waktu.
Matematika Terapan untuk Data Science dan Analisis Data
Akses publik tanpa login. Tanpa akun, status selesai dan skor kuis hanya tersimpan di browser ini.
Tahap belajar
Kelas General
1 · Eksplorasi DataStatistik Deskriptif dan Sebaran DataKonsep Mean, Median, Mode, Variansi, Simpangan Baku, Skewness, dan Kurtosis dalam analisis distribusi data mentah.2 · Eksplorasi DataKovariansi dan Korelasi MultivariabelMatriks kovariansi, Korelasi Pearson vs Spearman, dan deteksi multikolinearitas antar fitur data.3 · Eksplorasi DataIdentifikasi dan Imputasi Outlier (Pencilan)Penggunaan Z-Score, Interquartile Range (IQR), dan jarak Mahalanobis untuk membersihkan anomali data.4 · Eksplorasi DataTransformasi Data (Log, Box-Cox, Standardisasi)Teknik normalisasi (Min-Max) dan standardisasi (Z-transform) agar data siap untuk algoritma jarak seperti KNN.5 · Eksplorasi DataTeorema Limit Pusat (Central Limit Theorem) di Dunia NyataMengapa CLT sangat krusial dalam Data Science, terutama untuk resampling dan bootstrapping.6 · Inferensi StatistikInterval Kepercayaan (Confidence Intervals)Membangun estimasi rentang keyakinan untuk populasi berdasarkan sampel menggunakan distribusi Z dan T.7 · Inferensi StatistikUji Hipotesis Dasar (A/B Testing)Mekanika A/B Testing: Hipotesis Nol (H0), Hipotesis Alternatif (H1), Error Tipe I (Alpha), dan Error Tipe II (Beta).8 · Inferensi StatistikP-Value dan Signifikansi StatistikInterpretasi P-Value yang benar (dan salah kaprah yang sering terjadi) dalam pengambilan keputusan bisnis.9 · Inferensi StatistikT-Test, ANOVA, dan Chi-SquareMemilih uji statistik yang tepat berdasarkan tipe data (Kategorik vs Kontinu) dan jumlah grup.10 · Inferensi StatistikInferensi Bayesian Dasar (Bayesian Updating)Memperbarui keyakinan model secara berkesinambungan saat data baru masuk menggunakan prior dan likelihood.11 · Aljabar Linear untuk DataRuang Vektor Data dan Matriks ProyeksiMerepresentasikan dataset berjuta baris sebagai titik dalam ruang dimensi tinggi.12 · Aljabar Linear untuk DataJarak Minkowski, Euclidean, dan Cosine SimilarityMatematika pengukuran kemiripan (Similarity) yang mendasari sistem pencarian dan klastering.13 · Aljabar Linear untuk DataPrincipal Component Analysis (PCA)Derivasi matematis PCA menggunakan matriks kovariansi dan nilai eigen untuk mereduksi fitur tanpa kehilangan informasi.14 · Aljabar Linear untuk DataSingular Value Decomposition (SVD)Algoritma dekomposisi matriks serbaguna untuk PCA komputasional efisien dan ekstraksi topik (LSA).15 · Aljabar Linear untuk DataMatematika di Balik t-SNE dan UMAPKonsep probabilitas ketetanggaan tinggi untuk memproyeksikan data dimensi besar ke 2D untuk visualisasi.16 · Pemodelan PrediktifRegresi Linear Berganda (Ordinary Least Squares)Solusi tertutup (Closed-form solution) Normal Equation untuk meminimalkan Sum of Squared Errors.17 · Pemodelan PrediktifRegresi Logistik dan Fungsi SigmoidPemetaan output regresi ke rentang peluang [0,1] untuk klasifikasi biner dan Maximum Likelihood.18 · Pemodelan PrediktifNaive Bayes ClassifierKlasifikasi generatif dengan asumsi kemandirian fitur (Conditional Independence) berdasar Teorema Bayes.19 · Pemodelan PrediktifMetrik Evaluasi (Confusion Matrix, ROC-AUC, F1-Score)Matematika perbandingan presisi, recall, false positive rate, dan integral area under curve (AUC).20 · Pemodelan PrediktifPengantar Analisis Deret Waktu (Time Series ARIMA)Stasioneritas, Autokorelasi, Moving Average, dan permodelan matematis tren serta musiman.