Dari baris Python pertamamu sampai model yang bisa kamu percaya: SQL, grafik, statistik, lalu machine learning dengan scikit-learn. Kode sungguhan di browser, dan grafik di setiap pelajaran ML.
2,453,109+ pelajar terdaftar di seluruh kursus ini
487 pelajaran539 tantangan2,161 soal kuis
Bantuan coding dengan AI
Pelajaran interaktif yang praktis
Narasi audio di setiap pelajaran
Kuis untuk menguji pemahamanmu
Sertifikat jalur di akhir, plus 8 di sepanjang jalanKode scikit-learn sungguhan dengan output aslinya. Geser slider untuk mengubah satu baris dan lihat apa yang dipelajari model.
Nilai k yang kecil menghafal setiap titik data latih dan menggambar batas yang bergerigi. Nilai k yang lebih besar menghaluskannya.
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_moons
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
X, y = make_moons(n_samples=200, noise=0.3, random_state=0)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
k = 5
model = KNeighborsClassifier(n_neighbors=k)
model.fit(X_train, y_train)
print(f"train accuracy: {model.score(X_train, y_train):.2f}")
print(f"test accuracy: {model.score(X_test, y_test):.2f}")
xx, yy = np.meshgrid(np.linspace(-2, 3, 56), np.linspace(-1.5, 2, 40))
proba = model.predict_proba(np.c_[xx.ravel(), yy.ravel()])[:, 1]
proba = proba.reshape(xx.shape)
plt.figure(figsize=(5, 4))
plt.pcolormesh(xx, yy, proba, cmap="coolwarm", alpha=0.35)
plt.scatter(X_train[:, 0], X_train[:, 1], c=y_train,
cmap="coolwarm", edgecolors="k")
plt.title(f"k-nearest neighbors, k = {k}")
plt.show()
Setiap langkah adalah kursus Coddy yang sudah ada. Ikuti secara berurutan, atau langsung masuk ke yang belum kamu kuasai: progresmu disimpan per kursus.
Tulis kode sungguhan, query database, buat website, dan kuasai prompt AI. Pelajaran interaktif kami mencakup setiap keterampilan yang dibutuhkan developer modern.
Tetap konsisten dan lihat progresmu bertumbuh! Pantau kebiasaan coding harianmu, lindungi streakmu dengan hari beku, dan raih hadiah karena hadir setiap hari.
12 hari streak
Kembali besok untuk menjaga streakmu!
January 2026
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
21
22
23
24
25
26
27
28
29
30
Gandakan atau hangus
Hari ke-5 dari 7
Pembeku Streak
2 left
Bersaing di papan peringkat global, ajak teman untuk mendapat hadiah, dan rayakan kemenangan satu sama lain. Coding lebih seru bersama teman!
1
2
3
Zona promosiBaca, dengarkan, uji dirimu, tanya AI, atau cari lagi apa pun yang sudah kamu pelajari. Setiap pelajaran menyesuaikan diri denganmu.
Variabel adalah wadah bernama yang menyimpan nilai yang bisa kamu pakai lagi nanti di programmu.
Di Python, kamu membuatnya dengan menulis nama, tanda sama dengan, lalu nilai yang ingin kamu simpan.
Nilainya bisa berubah seiring waktu. Menetapkan ulang nama itu cukup membuatnya menunjuk ke nilai baru.
Dapatkan sertifikat untuk setiap kursus yang kamu selesaikan. Tambahkan ke profil LinkedIn dan CV-mu untuk menunjukkan keahlian coding-mu kepada pemberi kerja.
Sertifikat Penyelesaian
Dasar Python
Tambahkan ke LinkedInPelajari Python, lalu SQL, lalu cara menjelajahi dan membuat grafik data dengan pandas dan matplotlib, lalu cukup statistik untuk membedakan pola dari noise, lalu machine learning dengan scikit-learn. Itulah roadmap ini, dalam urutan itu. Setelah itu, buat dua atau tiga proyek dari dataset publik yang menjawab pertanyaan yang dipedulikan orang, dan tuliskan apa yang kamu temukan.
Python. Bahasa ini disebut di hampir setiap lowongan data science, dan library yang dipakai di sisa jalur ini (pandas, matplotlib, scikit-learn) adalah library Python. Langkah pertama hanya membahas bagian Python yang dibutuhkan langkah-langkah berikutnya: variabel, kondisi, perulangan, fungsi, dan list.
Tidak untuk memulai, dan tidak untuk banyak pekerjaan. Perusahaan mencari orang yang bisa mengambil data dengan SQL, membersihkan dan membuat grafiknya dengan pandas, menalarnya dengan statistik, dan membangun model yang bisa mereka pertanggungjawabkan. Jalur ini mengajarkan statistik lewat simulasi dan grafik, tanpa kalkulus. Gelar membantu untuk posisi riset; portofolio berisi proyek yang jujur membantu di mana saja.
Sekitar lima sampai tujuh bulan dengan satu jam sehari. Dasar Python butuh sekitar enam minggu, SQL tiga sampai empat minggu, dan keempat bagian machine learning sekitar 40 jam bersama-sama. Waktu setelah itu, yang dipakai untuk proyekmu sendiri, adalah yang mengubah keterampilan itu menjadi portofolio.
Tidak, dan halaman ini menyebutkannya di bawah. Jalur ini membahas machine learning klasik, model yang dipakai untuk menyelesaikan sebagian besar masalah bisnis: regresi, tree, forest, boosting, clustering, dan PCA. Neural network, framework deep learning, dan large language model datang setelahnya, dan semuanya lebih mudah dipelajari setelah kamu bisa membagi data, melatih, dan mengevaluasi model dengan benar.
Ya. Selesaikan setiap langkah dan kamu akan mendapat satu sertifikat gratis untuk seluruh jalur Data Scientist. Sertifikat ini mencantumkan setiap kursus yang kamu selesaikan di sepanjang jalan, dan menautkan sertifikat masing-masing kursus, sehingga siapa pun bisa memeriksa setiap keterampilan yang disebutkannya. Kamu bisa menambahkannya ke profil LinkedIn-mu. Ini adalah sertifikat penyelesaian dari Coddy, bukan kualifikasi terakreditasi.
