Programming & Data Science

Materi pembuka. Apa itu programming, paradigma, computational thinking, dan peta 30 materi kurikulum.

Pondasi semua bahasa: cara simpan data, tipe data dasar, dan operasi yang bisa dilakukan.

Komputer butuh logic untuk decision dan repetisi. If untuk percabangan, loop untuk pengulangan.

Function bikin kode reusable, modular, dan readable. Plus konsep scope yang sering bingungkan pemula.

Array, list, dict, set, tuple, stack, queue. Pondasi untuk handle data secara efisien.

Cara berpikir berbeda dari procedural. Encapsulation, inheritance, polymorphism.

5 prinsip clean code untuk OOP yang dipakai engineer profesional di seluruh dunia.

Solusi reusable untuk masalah umum dalam software design. 5 pattern yang paling sering dipakai.

Kode untuk dibaca manusia, bukan hanya jalan di komputer. Prinsip dan teknik refactoring.

Git adalah skill wajib programmer modern. Tracking, branching, collaboration.

Tiga pillar web development. Struktur, styling, dan interaktivitas.

Server-side logic, database, dan API. Pondasi aplikasi web full-stack.

Standar industri untuk komunikasi antar service. Resource-based, predictable.

Cara simpan, ambil, dan kelola data persistent. Relational vs NoSQL.

Login, JWT, password hashing, OWASP top 10. Wajib untuk aplikasi production.

Apa itu data science, role, workflow, dan bedanya dengan data analyst dan ML engineer.

Bahasa de facto data science. Setup, library, dan workflow notebook.

Senjata utama data scientist Python. Array, DataFrame, manipulasi data efisien.

80 persen pekerjaan data scientist. Cara handle missing, outlier, dan eksplor data.

Komunikasi insight lewat visual. Matplotlib, Seaborn, Plotly. Plus prinsip design.

Pondasi yang sering dilewati. Descriptive, inferential, hypothesis testing.

Algoritma yang belajar dari data berlabel. Klasifikasi dan regresi.

Algoritma untuk data tanpa label. Clustering, dimensionality reduction, anomaly detection.

Neural network, training, dan framework modern (PyTorch, TensorFlow).

Bawa model dari notebook ke production. Pipeline, monitoring, retraining.

Skill yang dicari di era data eksplosif. Spark, BigQuery, distributed computing.

Era baru: programming dengan AI assistant, RAG, agent. Wajib di 2026.

Bedanya kode amatir dan profesional. Unit test, integration test, debugging mindset.

Skill yang ditest di interview senior dan staff engineer. Scaling, trade-off, architecture.

Career ladder, skill stack, gaji, sertifikasi, capstone project akhir.