Pemateri
Ozza Dinata
Data Scientist/Instruktur GeosoftwareOzza Dinata adalah seorang profesional berpengalaman lebih dari 5 tahun yang memiliki keahlian sebagai Geophysicist dan Data Scientist. Beliau memiliki latar belakang pendidikan Teknik Geofisika dari Universitas Lampung dan telah mendalami Data Engineering. Ozza menguasai berbagai bahasa pemrograman seperti Python, SQL, R, dan Javascript, serta memiliki rekam jejak dalam pengembangan aplikasi berbasis Artificial Intelligence (AI) dan solusi GEO-AI. Pengalamannya mencakup peran sebagai Data Engineer, Data Scientist, dan GIS Specialist di berbagai perusahaan seperti SKK Migas dan Pertamina Hulu Energi. Keahliannya dalam pengolahan data GIS, Big Data, machine learning, dan data engineering menjadikannya sosok yang relevan untuk pelatihan software, khususnya yang berkaitan dengan analisis data dan pengembangan aplikasi cerdas.
Deskripsi
-Pelatihan intensif selama 4 sesi ini dirancang khusus untuk membekali Sobat Geosoftware dengan pemahaman Dasar-dasar Machine Learning (ML) serta keterampilan praktis dalam pra-pemrosesan data geospasial yang akan digunakan dalam pemodelan ML. Mulai dari pengenalan konsep dasar ML, eksplorasi data vektor dan raster, hingga teknik preprocessing data seperti penanganan sistem koordinat, feature engineering, dan mengatasi autokorelasi spasial. Kita akan belajar mengimplementasikan model regresi dan klasifikasi sederhana, mengevaluasi performanya, dan menginterpretasikan hasilnya dalam konteks geospasial. Pelatihan ini memadukan teori dengan praktik langsung menggunakan Bahasa Pemograman Python, sevagai langkah awal mempersiapkan diri dalam menerapkan ML dalam proyek geospasial.
Jadwal dan List Materi:
Sesi 1
- Apa itu Machine Learning Dan Mengapa Penting untuk Geospasial?
- Pengenalan Supervised dan Unsupervised Learning
- Alur Kerja Machine Learning
- Data Geospasial: Raster dan Vektor
- Sistem Koordinat Dan Proyeksi dalam Konteks ML
- Sumber Data Geospasial untuk ML
- Hal-hal yang Harus Diperhatikan dalam Analisis Geospasial dengan ML
Sesi 2
- Pengenalan Data Vektor untuk ML
- Pembersihan Data Geospasial Jenis Vektor
- Transformasi koordinat dan proyeksi
- Konsep Feature Engineering
- Feature Engineering untuk Data Vektor
Sesi 3
- Pengenalan Data Raster untuk ML
- Struktur Citra Satelit
- Pembersihan Data Citra Satelit
- Resampling dan Normalisasi Raster
- Ekstraksi Fitur Dari Data Raster
Sesi 4
- Regresi vs Klasifikasi
- Konsep Dasar Regresi Linier
- Konsep Dasar Klasifikasi
- Metrik Evaluasi untuk Regresi
- Metrik Evaluasi untuk Klasifikasi
Konten
Sesi 1: Pengenalan Machine Learning dan Data Geospasial
Sesi 2: Preprocessing Data Vektor untuk Machine Learning
Sesi 3: Preprocessing Data Raster untuk Machine Learning
Silabus
01
Silabus
Akses silabus melalui link berikut: https://bit.ly/Silabus-Syncronus-sesi1
Frequently Asked Question
Bagaimana kalau saya tidak punya basic Pemograman Python?
Kami sarankan sobat Geosoftware mendaftar pada pelatihan Asinkronus Dasar-dasar Pemograman Python. Apabila sobat Geosofwtare mendaftar pada Kelas 1 Sinkronus ini sebelum tanggal 11 Juni 2025, dapat diperoleh diskon 25% untuk kelas Asinkronus Dasar Python.
Bagaimana kalau saya tidak punya basic Machine Learning sama sekali?
Tenang, kelas ini dirancang untuk peserta yang memang ingin belajar machine learning dari dasar bagi pemula.
Kelas Ini Cocok Untuk?
01
Kemampuan Dasar yang Disarankan untuk Peserta:
1. Memiliki pemahaman dasar terkait sistem informasi geografis (GIS) dan penginderaan jauh; 2. Memiliki pemahaman dasar terkait bahasa pemograman Python....
02
Spesifikasi Perangkat yang Disarankan:
1. Sistem Operasi: Windows 10/11 (64-bit), macOS (versi terbaru yang didukung), atau Linux; 2. Prosesor (CPU): Intel Core i3; 3. RAM: 16 GB. (Meskipun 8 GB mungkin bisa menjalankan beberapa skrip dasar, 16 GB sangat direkomendasikan untuk menangani dataset geospasial dan proses ML yang lebih umum); CATATAN: Pemograman akan dilakukan menggunakan Google Colab (Berbasis Cloud), sehingga masih memungkinkan dilakukan dengan spek perangkat yang tidak terlalu tinggi dan kapasitas penyimpanan yang kecil, sehingga yang terpenting adalah koneksi internet yang cukup baik. ...