Pengenalan dasar Python, cara instalasi Python dan lingkungan pengembangannya, seperti Jupyter Notebook, VS Code, atau PyCharm.
Membahas cara membuat fungsi di Python, parameter, return values, serta konsep fungsi lambda.
Pengenalan penggunaan Python dalam Data Science, termasuk pustaka populer seperti NumPy, Pandas, dan Matplotlib.
Dasar-dasar manipulasi string, metode string bawaan, dan formatting string menggunakan f-strings dan .format().
Mempelajari ekspresi reguler (regex) untuk pencocokan pola teks dan pemrosesan teks yang lebih kompleks.
Menggunakan metode search(), match(), dan findall() untuk mencari pola dalam teks dengan regex.
Teknik regex yang lebih kompleks seperti lookahead, lookbehind, grouping, dan quantifiers.
Dasar-dasar list, operasi pada list, list comprehension, dan manipulasi list secara efisien.
Mempelajari struktur dictionary, operasi dasar, metode .get(), .items(), dan cara iterasi dalam dictionary.
Konsep dasar OOP di Python seperti class, object, inheritance, polymorphism, dan encapsulation.
Dasar-dasar Pandas untuk manipulasi data menggunakan DataFrame dan Series.
Membuat visualisasi data menggunakan Matplotlib, seperti line chart, bar chart, dan scatter plot.
Cara mengambil, memfilter, dan mengurutkan data dalam Pandas DataFrame menggunakan indexing dan slicing.
Teknik menggabungkan beberapa DataFrame menggunakan merge(), join(), dan concat().
Mengambil fitur penting dari dataset untuk digunakan dalam model machine learning.
Mengolah dan menciptakan fitur baru untuk meningkatkan performa model prediktif.
Menggunakan metode groupby() dan aggregation functions untuk menganalisis data lebih lanjut.
Mengubah bentuk tabel menggunakan pivot tables dan melting di Pandas.
Menangani data waktu dan tanggal menggunakan datetime module.
Menggunakan fitur datetime di Pandas untuk analisis berbasis waktu, seperti time-series analysis.
Jenis-jenis visualisasi data dan kapan harus menggunakan masing-masing tipe chart.
Membuat visualisasi statistik yang lebih interaktif dengan Seaborn.
Visualisasi data yang dinamis dan interaktif menggunakan Bokeh.
Membuat grafik interaktif yang kompleks menggunakan Plotly.
Analisis data keuangan menggunakan Python dan Pandas.
Menerapkan machine learning untuk mendeteksi transaksi penipuan.
Membaca, menulis, dan memanipulasi file menggunakan Python (open(), read(), write()).
Menangani error dalam kode menggunakan try-except-finally.
Mengelola virtual environment dan menginstal package menggunakan pip atau conda.
Menggunakan decorators untuk memperluas fungsionalitas fungsi, dan context managers untuk menangani resource seperti file dan database.
Memahami konsep lazy evaluation dengan generator (yield) dan iterasi yang efisien.
Implementasi multithreading dan multiprocessing di Python untuk eksekusi kode yang lebih cepat.
Menghubungkan Python dengan database menggunakan SQL dan SQLite.
Konsep lanjutan OOP seperti abstract class, multiple inheritance, dan metaclass.
Menggunakan regex lebih lanjut untuk manipulasi data teks.
Menyimpan dan mengambil data dalam format JSON, Pickle, dan CSV.
Berbagai algoritma sorting di Python seperti Bubble Sort, Quick Sort, dan Merge Sort.
