More Related Content
What's hot (20)
Similar to Big Data - Python for Data Science (Bahas Indonesia) (20)
Recently uploaded (6)
Big Data - Python for Data Science (Bahas Indonesia)
- 1. BIG DATA & INDUSTRI 4.0 Oleh : Arian Derida Hamami
- 2. Revolusi Industri Industri 1.0 Abad ke 18 (Mesin Uap) Inggris -> Produk Tekstil Industri 2.0 Tahun 1900 (Tenaga Listrik) Indonesia -> Pertambangan Industri 3.0 Tahun 1970 (Otomatisasi) Negara Berkembang
- 3. Industri 4.0 - Otomatisasi mulai digantikan dengan sistem komputasi - Pertumbuhan data digital - Trend pada industri 4.0 - Cyber Security - Cloud Computing - Internet of Things - Artifical Intelegence - Robotics - Bio Technologies
- 4. Big Data Secara arti adalah Data yang Besar Secara harfiah Big Data adalah sekumpulan data dan informasi dari banyak sumber (tradisional & digital) untuk peningkatan wawasan, pengambilan keputusan, dan otomatisasi proses Contoh hasil analisis Kebiasaan konsumen Minat terhadap produk Pola iklim atau cuaca
- 5. Why do we learn Big Data
- 6. 4V Big Data Velocity (kecepatan data) Volume (peningkatan jumlah) Variety (keragaman data) Veracity (akurasi data)
- 7. Velocity (kecepatan data) Setiap 60 detik: Video dengan total durasi sekitar 400 jam diupload ke Youtube 2,430,555 likes di Instagram 972,222 swipe di Tinder Seluruh data tersebut dihasilkan setiap menit.
- 8. Volume (peningkatan jumlah) Sebagian besar populasi manusia memiliki perangkat digital yang menghasilkan, menerima, dan menyimpan data. Sebagian memiliki lebih dari 1 perangkat (misal: HP, PC, Laptop, Tablet, dll) Setiap harinya kita menghasilkan sekitar 2.5 Quintilion (1018) Bytes data.
- 9. Variety (keragaman data) Tipe-tipe data Teks Gambar Video Suara Wearables devices data Data-data lainnya dari IoT device
- 10. Veracity (akurasi data) 80% data yang beredar merupakan unstructured data. Data tersebut harus dikategorikan, dianalisis, dan divisualisasikan untuk menentukan apakah data tersebut akurat dan dapat dipercaya.
- 11. Big Data Industri 4.0
- 12. Pada 2011, McKinsey & Company mengatakan bahwa Big Data akan menjadi kunci utama dari kompetisi yang mendukung pertumbuhkan produktivitas dan inovasi. Pada 2013, UPS (United Parcel Service) mengumumkan bahwa mereka menggunakan data dari customer, driver, dan juga kendaraan untuk menentukan rute baru yang menghemat waktu, uang, dan bahan bakar.
- 13. Pertanyaan Jelaskan bagaimana perusahaan facebook memanfaatkan penggunaan Big Data? Dan digunakan untuk apa?
- 14. Facebook Memanfaatkan seluruh sumber dari user (foto, video, status, kebiasaan, tag location, komentar, history, data pribadi, like, dsb) Untuk keperluan Sentiment analysis Perkembangan user Ads Marketing dll
- 15. Kesimpulan Big Data adalah sekumpulan data dan informasi yang besar dengan peningkatan jumlah yang banyak dan cepat, serta memiliki variasi data, keakurasian dalam jumlah yang sangat besar untuk dijadikan sebuah analisa untuk menghasilkan insight
- 18. Data Science Data science is the process of cleaning, mining, and analyzing data to drive insights of value from it
- 19. Data Science
- 20. Data Scienctist Data Scientist adalah seseorang yang bisa memberikan story yang bisa menceritakan sesuatu dari kumpulan data yang banyak dan nilai nilai apa yang dapat diambil untuk dijadikan sebuah keputusan lebih baik
- 21. Skill Data Science Sense of Analytics yang kuat Statistika Matematika Programming (Python, R, Scala, dll)
- 22. Proses Data Science 1. Penentuan Masalah Apa masalah bisnis yang ada? Apa tujuan dari proyeknya? Apa yang akan dilakukan jika semua data sudah didapatkan? 2. Pengumpulan Data Data mana yang relevan? Apakah ada masalah privasi? 3. Eksplorasi Data Plot data Apakah ada pola tertentu dari data tersebut?
- 23. 4. Analisis Data Membuat model Mencocokkan dan memvalidasi model 5. Visualisasi Apakah hasilnya masuk akal? Ceritakan hasil yang diperoleh 6. Pengambilan Aksi & Keputusan Pengambilan keputusan berdasarkan hasil yang diperoleh
- 24. Mengurangi Kemacetan Lalu Lintas Real-time smarter traffic system dapat memprediksi dan memperbaiki flow lalu lintas Menganalisis data secara stream real-time yang dikumpulkan dari kamera- kamera pada titik masuk dan keluar kota, data GPS dari taksi dan truk, serta informasi cuaca
- 25. Python for Data Scientist Python Basic (syntax dan struktur) Tipe Data Struktur Data Operator OOP Library SQL/NoSQL Statistika dan Matematika Regresi Clustering Classification Modeling Lainya
- 26. Python for Data Scientist Tools Library Pandas Numpy Matplotlib Plotly Seaborn Sklearn Scipy Sqlalchemy Dll *20 Top For Data Science Hadoop Apache Spark Amazon Web Service Dll.
- 27. Step 1 Data Preparation Kenapa data preparation itu dibutuhkan? Untuk mengurangi kesalahan data atau mendeteksi anomali data sedini mungkin. Kesalahan data dan anomali data yang minimal akan meningkatkan correctness dan akurasi hasil pengolahan data. Data preparation juga berarti mempersiapkan alat pengolah data sehingga dapat menghasilkan model dengan lebih baik dan cepat. GIGO (Good Input Good Output) data yang baik merupakan prasyarat untuk menghasilkan model yang efektif.
- 28. Step 2 Data Modeling Data Modeling adalah proses yang digunakan untuk memilah-milah komplesitas sebuah data Memilih dan menganalisa feature yang saling berkaitan untuk menjadi bahan pertimbangan dalam proses analisa Statistik Deskriptif Regresi Linier dan Non Linier Asosiasi Clustering - Classification
- 29. Step 3 Data Visualization Sebuah proses mempresentasikan data dalam bentuk grafik untuk menunjukan pola, trend, dan informasi dari data tersebut. Meningkatkan pemahaman tentang data yang diberikan. Otak manusia lebih cepat untuk mengintepretasikan data visual secara lebih cepat. Visualiasi data bukan hanya sekedar memperlihatkan data , tetapi bercerita tentang Data.
- 30. Kesimpulan Data Scientist mengolah data menggunakan bahasa pemrograman dan aplikasi pihak ketiga dimulai dari data preparation/preparing, data modeling, data visualization dan hasil insight Untuk dijadikan sebuah hasil analisa untuk tim bisnis analys/intelegen
- 31. Digital Talent Scholarship (Big Data Analytics) 5W + 1H Apa | Siapa | Kapan | Dimana Kenapa | Bagaimana
- 32. Terima Kasih Github : https://github.com/Derida23 Linkedin https://www.linkedin.com/in/arianderida/ Dribbble https://dribbble.com/icemoonid Email arianderida@gmail.com