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 lanjutan selama 4 sesi ini dirancang untuk memperdalam pemahaman kita tentang algoritma ML populer dan penerapannya dalam memecahkan masalah geospasial. Kita akan mempelajari berbagai teknik supervised learning, termasuk regresi (Misal: Linear, Polynomial) dan klasifikasi (Misal: Decision Tree, Random Forest), serta unsupervised learning seperti clustering (K-Means) untuk segmentasi citra dan deteksi anomali spasial. Pelatihan ini menekankan pada evaluasi model yang cermat, teknik hyperparameter tuning untuk optimasi, dan visualisasi hasil yang efektif menggunakan Folium dan integrasi dengan QGIS. Dengan kombinasi teori mendalam dan praktik intensif menggunakan Python, pelatihan ini akan membekali kita dengan keterampilan untuk membangun, mengevaluasi, dan menerapkan model ML yang kuat pada data geospasial, mengubah data lokasi menjadi wawasan strategis.
Jadwal dan List Materi:
Sesi 1
- Decision Tree untuk Data Geospasial
- Random Forest untuk Data Geospasial
- Evaluasi Model Klasifikasi Lanjutan
- Hyperparameter Tuning
- Feature Importance dan Seleksi Fitur
Sesi 2
- Regresi Polinomial untuk Data Raster
- Ensemble Methods untuk Regresi
- Evaluasi Model Regresi Lanjutan
- Klasifikasi Citra Satelit
- Evaluasi Klasifikasi Citra
Sesi 3
- Pengenalan Unsupervised Learning
- Algoritma K-Means
- Evaluasi Hasil Clustering
- Segmentasi Citra Satelit
- Deteksi Anomali Spasial
Sesi 4
- Mengintegrasikan Model ML dengan GIS
- Visualisasi Peta Interaktif dengan Folium
- Visualisasi dengan QGIS
- Visualisasi Hasil Machine Learning Lanjut
Konten
Sesi 1: Algoritma Supervised Learning Lanjutan untuk Data Vektor
Sesi 2: Algoritma Supervised Learning Lanjutan untuk Data Raster
Sesi 3: Unsupervised Learning untuk Data Geospasial
Silabus
01
Silabus
Akses silabus melalui link berikut: https://bit.ly/Silabus-Syncronus-sesi2
Frequently Asked Question
Bagaimana kalau saya tidak punya basic Pemograman Python dan Machine Learning?
Kami sarankan sobat Geosoftware mendaftar pada pelatihan Asinkronus Dasar-dasar Pemograman Python dan Kelas 1 Sinkronus terkait Dasar-dasar Machine Learning. Apabila sobat Geosofwtare mendaftar pada Kelas 2 Sinkronus ini sebelum tanggal 11 Juni 2025, dapat diperoleh diskon 25% untuk kelas Asinkronus Dasar Python. Sedangkan, apabila sobat Geosoftware memilih paket Double Class (Kelas 1 dan 2 Sinkronus), dapat memperoleh diskon 50%.
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; 3. Memiliki pemahaman dasar terkait machine learning dan pra-processing data geospasial untuk pemodelan ML....
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....