Deskripsi

Data engineering adalah salah satu aspek penting dalam pengelolaan dan analisis data skala besar. Kursus ini memberikan dasar-dasar data engineering dengan fokus pada penggunaan Python dan SQL, dua alat yang sangat kuat untuk membangun pipeline data. Menggabungkan teori dan praktik, pembahasan ini dimulai dengan pemahaman tentang arsitektur data pipeline yang efisien.

Melalui Python, akan dipelajari cara membuat skrip yang mengotomatisasi pengambilan, pemrosesan, dan penyimpanan data. Python juga dikenal fleksibel dalam mengolah data, memfasilitasi berbagai teknik pemrosesan seperti pembersihan data, transformasi, dan agregasi. Dalam konteks ini, Python dapat diintegrasikan dengan berbagai tool dan framework yang mendukung kebutuhan data engineering.

SQL, sebagai bahasa standar untuk manajemen database, akan digunakan untuk membuat kueri yang optimal dalam mengakses, memanipulasi, dan menyimpan data. Video ini mencakup penggunaan SQL pada berbagai tipe database, baik relasional maupun non-relasional, serta bagaimana SQL dapat digabungkan dengan Python untuk meningkatkan efisiensi.

Dengan menggabungkan Python dan SQL, akan dibahas cara membangun solusi yang dapat diskalakan untuk kebutuhan data engineering. Pada akhirnya, materi ini memberikan wawasan mendalam mengenai teknik pengelolaan data modern yang relevan dalam lingkungan bisnis saat ini.

Mahasiswa dan Pelajar

Latar Belakang: Mahasiswa dari jurusan Teknik Informatika, Ilmu Komputer, Sistem Informasi, atau jurusan terkait lainnya.

Kebutuhan: Memperoleh pemahaman dasar tentang data engineering dan keterampilan praktis dalam menggunakan Python dan SQL untuk memanipulasi dan mengelola data.

Tingkat Pengalaman: Sedikit atau tanpa pengalaman sebelumnya dalam data engineering, tetapi memiliki pengetahuan dasar tentang pemrograman dan basis data.

Profesional Pemula

Latar Belakang: Profesional yang baru memulai karir di bidang data engineering, data analysis, atau bidang terkait lainnya.

Kebutuhan: Membangun fondasi yang kuat dalam teknik-teknik dasar data engineering dan keterampilan praktis dalam menggunakan alat-alat utama seperti Python dan SQL.

Tingkat Pengalaman: Sedikit pengalaman dalam pemrograman atau analisis data, tetapi belum familiar dengan konsep-konsep dan praktik-praktik data engineering.
 

Pengembang Perangkat Lunak

Latar Belakang: Pengembang perangkat lunak yang ingin memperluas keterampilan mereka ke bidang data engineering.

Kebutuhan: Memahami bagaimana menggunakan Python dan SQL dalam konteks data engineering untuk mendukung pengembangan aplikasi yang lebih data-driven.

Tingkat Pengalaman: Pengalaman dalam pemrograman, tetapi mungkin belum memiliki pemahaman mendalam tentang teknik dan alat data engineering.

Penggemar Teknologi dan Pembelajar Mandiri

Latar Belakang: Individu yang tertarik untuk belajar tentang data engineering sebagai hobi atau untuk pengembangan diri.

Kebutuhan: Mendapatkan pemahaman dasar tentang bagaimana data engineering bekerja dan mempelajari keterampilan praktis yang dapat diterapkan dalam proyek pribadi atau pekerjaan masa depan.

Tingkat Pengalaman: Berbagai tingkat pengalaman dalam teknologi, tetapi mungkin baru mengenal data engineering.

Tujuan Umum

Peserta didik mampu memahami dan mengimplementasikan konsep dasar data engineering menggunakan Python dan SQL, serta mengaplikasikan keterampilan tersebut dalam mengelola, memproses, dan menganalisis data untuk mendukung pengambilan keputusan yang berbasis data.

Tujuan Khusus

• Peserta memahami definisi dan peran data engineering dalam ekosistem data. Peserta mengenal berbagai alat dan teknologi yang digunakan dalam data engineering.
• Peserta mampu memahami konsep dasar SQL dan fungsinya dalam pengelolaan basis data relasional. Peserta mampu menulis dan mengeksekusi query dasar seperti SELECT, INSERT, UPDATE, dan DELETE. Peserta mampu menggabungkan tabel menggunakan JOIN dan memahami konsep indeks, primary key, dan foreign key.
• Peserta mampu memahami peran Python dalam data engineering dan analisis data. Peserta mengenal dan mampu menggunakan pustaka Python yang relevan seperti NumPy, Pandas, dan SQLAlchemy. Peserta mampu melakukan operasi dasar dengan Pandas untuk manipulasi dan pembersihan data. Peserta mampu menghubungkan Python dengan basis data dan mengeksekusi query SQL.
• Peserta mampu memahami konsep ETL dan langkah-langkah dalam proses ETL. Peserta mampu mengekstrak data dari berbagai sumber, mentransformasi data sesuai kebutuhan, dan memuat data ke dalam sistem tujuan. Peserta mampu mengimplementasikan proses ETL sederhana menggunakan Python dan pustaka terkait.
• Peserta mampu memahami konsep normalisasi dan pentingnya dalam pengelolaan basis data. Peserta mampu memahami peran indeks dalam mempercepat pencarian data dalam tabel. Peserta mampu mengoptimalkan kinerja query SQL melalui teknik-teknik yang tepat.
• Peserta mampu memahami konsep big data dan teknologi yang digunakan untuk pengelolaannya seperti Hadoop dan Spark. Peserta mampu memahami fungsi dan struktur data warehouse. Peserta mampu memahami perbedaan antara OLTP (Online Transaction Processing) dan OLAP (Online Analytical Processing).
• Peserta mampu melakukan analisis data menggunakan pustaka Python seperti Pandas. Peserta mampu membuat visualisasi data yang informatif menggunakan Matplotlib dan Seaborn. Peserta mampu menerapkan analisis dan visualisasi data dalam konteks bisnis untuk mendukung pengambilan keputusan.

Materi Pembelajaran

• Pendahuluan Data Engineering
• Pengantar SQL (Structured Query Language)
• Pengantar Phyton untuk Data Engineering
• Proses ETL (Extract, Transform, Load)
• Data dan Optimasi
• Big Data dan Data Warehouse
• Analisis dan Visualisasi Data