Pilih modul Minggu 01. Pengantar KDD & Persiapan Lingkungan Analitik Minggu 02. Data Cleaning & Preprocessing Minggu 03. Data Warehousing, Skema Dimensi & Kubus OLAP Minggu 04. Algoritma Apriori & Frequent Itemsets Minggu 05. FP-Growth & Evaluasi Aturan Asosiasi Minggu 06. Decision Tree Induction (Pohon Keputusan) Minggu 07. Probabilistic & Instance-Based Classifiers (Naïve Bayes & KNN) Minggu 08. Evaluasi Komprehensif Model & Proposal Proyek Akhir Minggu 09. Evaluasi Tengah Semester (UTS): Rangkuman & Kisi-kisi Minggu 10. Partitioning & Hierarchical Clustering Minggu 11. Density-Based Clustering (DBSCAN) & Outlier Detection Dasar Minggu 12. Distributed Storage & Paradigma MapReduce (Hadoop / HDFS) Minggu 13. In-Memory Computing dengan Apache Spark Minggu 14. Machine Learning Skala Besar (Spark MLlib) & Ekosistem Big Data Minggu 15. Stream & Graph Mining Minggu 16. Deteksi Anomali Tingkat Lanjut (Isolation Forest & Autoencoder) Minggu 17. Final Lab, Evaluasi Proyek & Integrasi Sistem Minggu 18. Ujian Akhir Semester & Presentasi Proyek DMBD / Minggu 03 Data Warehousing, Skema Dimensi & Kubus OLAP Tabel fakta dan dimensi, star schema, snowflake schema, fact constellation, proses ETL, serta operasi OLAP roll-up, drill-down, slice, dice, dan pivot.
Memuat editor…
Memuat editor…
Lebih suka di komputer sendiri? Unduh exercise.py, simpan di folder modul, lalu jalankanpython check.py 3 dari folder mata kuliah.
Data Cleaning & Preprocessing Minggu 04 Algoritma Apriori & Frequent Itemsets