Menu

Mode Gelap
Djauzi dan Rafa Jadi Mojang Jajaka Kota Bandung 2023 *Pemilu 2024 Momentum Bagi Rakyat Indonesia Menentukan Masa Depan Negara dan Bangsa* Ini salah satu manfaat dari pajak yang Anda bayarkan… fasilitas kesehatan kepada seluruh masyarakat Indonesia, seperti @bpjskesehatan_ri. Ditjen pen pada rapat kerja HIMKI tahun 2023 Penandatanganan nota kesepahaman dan perjanjian kerja sama antara badan pengawas keuangan dan pembangunan dengan provinsi Papua Selatan Papua tengah Papua pegunungan dan Papua barat daya

Nasional · 25 Dec 2022 16:23 WIB ·

Serunya Menjadi Pengembang Machine Learning dan Front-End Web di SIB Dicoding X Kampus Merdeka Batch 3


 Serunya Menjadi Pengembang Machine Learning dan Front-End Web di SIB Dicoding X Kampus Merdeka Batch 3 Perbesar

Mengenal Peserta SIB Dicoding X Kampus Merdeka Batch 3

Peserta bernama Guntur Aji Pratama. Dia merupakan mahasiswa jurusan Sistem Informasi Fakultas Ilmu Komputer Universitas Pembangunan Nasional “Veteran” Jatim. Saat ini, dia sedang berkuliah di semester 5 dengan mengikuti program SIB yang diselenggarakan oleh Dicoding bersama dengan Kampus Merdeka.

Mengenal Dicoding

Dicoding secara resmi diluncurkan tanggal 5 Januari 2015 untuk menjembatani developer Indonesia dengan kebutuhan dan permintaan pasar yang semakin kompetitif. Dicoding hadir sebagai platform pendidikan teknologi yang membantu menghasilkan talenta digital berstandar global. Semua demi mengakselerasi Indonesia agar menjadi yang terdepan.

Saat ini, lebih dari 470 ribu developer dan calon developer telah tergabung di Dicoding. 290 ribu individu pembelajar telah dan sedang terdaftar dalam lebih dari 80 kelas yang disediakan oleh Dicoding.

Saat ini, Dicoding bermitra dengan perusahaan teknologi kelas dunia. Dicoding juga merupakan Google Authorized Training Partner dan memiliki komitmen kemitraan dengan pemilik teknologi, perusahaan multinasional, Kementerian/Lembaga Pemerintahan, serta perusahaan dengan skala nasional. Dicoding juga adalah mitra penyelenggara Bangkit, Indosat Ooredoo Digital Camp, Lintasarta Digischool, Baparekraf Digital Talent, dan Cloud and Back-End Developer Scholarship Program with content from AWS pada tahun 2021.

Mengenal SIB Dicoding X Kampus Merdeka Batch 3

Studi Independen Bersertifikat Pengembang Machine Learning dan Front-End Web ini diajukan untuk menghasilkan talenta berstandar tinggi yang sesuai dengan standar Industri di bidang pengembangan Machine Learning dan Front-End Web. Proses pembelajaran yang dilakukan adalah online learning, dimana peserta harus mengimplementasikan materi yang diperolehnya secara langsung melalui project dan tugas-tugas yang harus diselesaikan untuk menyelesaikan setiap materinya.

Materi diberikan secara asynchronous (online melalui modul belajar di Dicoding Academy) dan akan di-review setiap interval waktu tertentu oleh pembimbing non-akademik dan expert. Selain project dan tugas, pemberian materi juga akan dilengkapi dengan kuis dan atau ujian pilihan ganda untuk memastikan pemahaman peserta.

Selain hard skill di bidang pengembangan Machine Learning dan Front-End Web, soft skill juga menjadi target kompetensi peserta studi independen yaitu untuk penyiapan karir sebagai developer, termasuk namun tidak terbatas pada self-branding, problem solving, design thinking, serta kolaborasi.

Studi independen akan ditutup dengan project akhir, dimana peserta akan bekerja dalam kelompok dan mengembangkan solusi berbasis Machine Learning dan Front-End Web.

Secara ringkas, Peserta mempelajari materi dan mengerjakan beberapa submissions pada Machine Learning dan Front-End Web Learning Path di website Dicoding. Peserta juga mengikuti kegiatan Technical Briefing, Student Team Meeting, Weekly Consultation, ILT-MLFE, ILT-SS, mengerjakan soft skill assignments untuk menunjang persiapan karir peserta, dan mengembangkan sebuah web app sebagai salah satu solusi end-to-end solution dari capstone project pada Machine Learning
dan Front-End Web Learning Path.

Testimoni Peserta Selama Mengikuti SIB Dicoding X Kampus Merdeka Batch 3

Peserta diberi beberapa sumber daya yang berguna dan relevan untuk menyelesaikan berbagai proyek dari kelas Dicoding maupun capstone. Sumber daya meliputi materi yang terdapat pada kelas Dicoding, arahan dari mentor dan advisor, hingga bimbingan berupa ILT SS dan ILT MLFE. Peserta mengalami beberapa permasalahan teknis dan non teknis selama pengerjaan proyek, baik yang disebabkan oleh kurang pahamnya peserta dengan materi yang diberikan hingga ketidaksesuaian manajemen waktu peserta dalam memperkirakan lama pengerjaan proyek. Peserta pada akhirnya tetap dapat menyelesaikan seluruh proyek yang diberikan dengan berusaha memahami kembali materi – materi yang telah diberikan oleh pihak Dicoding serta melakukan perbaikan manajemen waktu dalam memperkirakan lama pengerjaan proyek.

Peserta merasa cukup puas dengan seluruh sumber daya selama proses pengerjaan proyek di Dicoding. Peserta juga merasa cukup puas dengan bantuan teknis dan non teknis dari mentor, advisor, dan tim Dicoding yang senantiasa mengingatkan berbagai deadline pengerjaan proyek dan laporan.

Pada Machine Learning Learning Path, peserta berhasil mengetahui dan memahami berbagai konsep dan metode teknis dari Image Classification, Natural Processing Language dan Time Series. Mulai dari pendahuluan terkait konsep klasifikasi gambar dan bagaimana membuat, melatih model untuk dapat memprediksi klasifikasi gambar di dunia nyata, membuat dan melatih model untuk dapat memprediksi klasifikasi gambar di dunia nyata, metode Image Augmentation, Transfer Learning, Style Transfer, dan cara untuk klasifikasi teks secara biner maupun multi-kelas dengan Convolutional Neural Network (CNN), konsep Natural Language Processing dan Time Series, Tokenization, Embedding, Long Short-Term Memory (LSTM), bagaimana membuat, melatih, dan memvalidasi model Natural Language Processing dan Time Series pada dua proyek dengan kriteria yang tinggi, implementasi berbagai library Machine Learning & Deep Learning
(Tensorflow & Keras) untuk data preview, data cleansing, data preprocessing, modelling, training menggunakan epoch, optimizer, matriks, loss, dan callback, serta plotting model validation. Peserta juga berhasil mengetahui dan memahami bagaimana membuat sebuah proyek Predictive Analytics yang dimulai dari project overview yang dilengkapi dengan latar belakang masalah, business understanding yang dilengkapi dengan problem statements, goals, dan solution statements, data understanding yang dilengkapi dengan penjelasan fitur, deskripsi fitur, penanganan terhadap missing values & outliers, univariate analysis, dan multivariate analysis
dari dataset, data preparation yang dilengkapi dengan proses pembagian data latih & validasi, penyeimbangan jumlah data target pada data latih & validasi menggunakan metode SMOTE, dan standarisasi data latih, modelling yang dilengkapi dengan pemodelan dengan algoritma logistic regression, knn, decision tree, random forest, SVM, dan gradient boosting yang diolah dengan fungsi Grid Search dan hyperparameter tuning, evaluation dengan fungsi classification_report
dan confusion_matrix pada library sklearn. Proyek kedua kelas ini berkaitan dengan bagaimana membuat sebuah proyek Recommendation System berbasis Collaborative Filtering, modelling berbasis Content-Based Filtering dengan bantuan TF-IDF Vectorizer dan Cosine Similarity dan Collaborative Filtering dengan bantuan TensorFlow, Keras, dan RecommenderNet, evaluation berbasis Content-Based Filtering menggunakan matrik evaluasi precision dan Collaborative
Filtering menggunakan matrik evaluasi precision dan root mean squared error.

Pada Front-End Web Learning Path, peserta berhasil mengetahui dan memahami metode CRUD dan Web Storage, ECMAScript 6, Web Components, Node Package Manager, Webpack, Asynchronous Javascript Request untuk mengembangkan web app yang teroptimasi.

Peserta dapat mengimplementasikan pemahaman pada kedua Learning Path tersebut untuk mengembangkan inovasi baru dalam bentuk proyek capstone. Peserta menggabungkan pemahamannya di bidang Machine Learning dan Front-End Web, serta Back-End Web untuk mengembangkan web app berbasis Machine Learning dapat diakses oleh publik guna mendapat beberapa rekomendasi objek wisata sejenis taman dan museum yang relevan dengan preferensi pengguna. Peserta juga merasa dengan pemahaman yang didapat akan sangat berguna untuk
memahami konsep dan teknik Machine Learning maupun Front-End Web diluar yang telah diajarkan oleh Dicoding karena Dicoding dirasa telah mengembangkan sebuah kurikulum pembelajaran yang dapat diaplikasikan untuk skala konsep dan teknik Machine Learning dan Front-End Web yang lebih besar dan kompleks.

Kesimpulan Setelah Mengikuti SIB Dicoding X Kampus Merdeka Batch 3

Berikut beberapa kesimpulan dari peserta terkait proses pelaksanaan MSIB di
Dicoding:

  1. Materi yang diajarkan di Dicoding sangat bermanfaat bagi peserta
  2. Proyek kelas dan capstone yang diberikan di Dicoding sangat bermanfaat bagi peserta
  3. Peserta merasa lebih percaya diri dengan pemahaman yang diperoleh di Dicoding
  4. Peserta dapat memperluas jaringan dengan berbagai teman dan ahli di bidang Machine Learning dan Front-End Web di Indonesia
  5. Peserta memperoleh kesempatan yang lebih besar untuk mengembangkan pemahaman yang didapat di Dicoding pada dunia perkuliahan dan dunia kerja

 

Artikel ini telah dibaca 65 kali

Baca Lainnya

Pemanfaatan Sampah Dapur Menjadi Cairan Serbaguna bersama Mahasiswa Pengabdian Masyarakat UPN “Veteran” Jawa Timur

22 June 2024 - 18:26 WIB

Sosialisasi “Pentingnya Sertifikasi Halal bagi UMKM Muda di Desa Candi, Kab. Sidoarjo”

20 June 2024 - 11:06 WIB

Kerja Bakti “Pembersihan Sampah Sekitar Sungai di Desa Ciburial RW 7

15 June 2024 - 21:50 WIB

Kegiatan Pengolahan Sampah Terpadu di Desa Ciburial “Mengubah Sampah Organik Menjadi Pupuk Kompos”

15 June 2024 - 21:43 WIB

Profil Desa Ciburial: Keindahan Alam yang Membutuhkan Pengelolaan Sampah Terpadu

15 June 2024 - 21:33 WIB

Tax Policy and Economic Elites: Going Where the Money is Earmarking

12 June 2024 - 05:59 WIB

Trending di Pendidikan