Satu siswa satu mentor praktisi data aktif. Belajar Python, analisis data, visualisasi, hingga machine learning lewat proyek nyata sampai punya portofolio yang bisa dibanggakan. Online dengan pair coding atau tatap muka di rumah, mulai Rp98.000 per sesi 60 menit.





Les data science adalah bimbingan privat satu guru satu siswa untuk belajar mengolah data menjadi keputusan dan prediksi. Materi mencakup Python untuk data, pembersihan dan analisis data, visualisasi, statistika terapan, hingga machine learning. Pembelajaran berbasis proyek nyata dengan dataset asli, dibimbing mentor praktisi data aktif, dengan tarif Rp98.000 per sesi 60 menit secara online atau tatap muka.
Tatap muka di rumah, online dengan screen sharing, atau kelompok kecil bersama teman. Cocokkan dengan jadwal dan ritme coding Anda.
Mentor datang ke rumah, pendampingan langsung saat menulis kode dan menganalisis data.
Belajar via Zoom dengan screen sharing dan review notebook langsung, cocok untuk semua kota.
Belajar bersama 2-3 teman dengan proyek analisis kolaborasi, biaya lebih ringan.
Empat tahap bertingkat, dari baris Python pertama sampai model machine learning yang berjalan.
Mengenal Python dan cara berpikir dengan data. Anda belajar sintaks dasar dan mulai mengolah data tabel dengan pandas sebelum masuk ke analisis dan model.
Mata Pelajaran:
Fokus Belajar:
Membersihkan data berantakan dan menggali pola lewat exploratory data analysis. Anda belajar menyajikan temuan dengan grafik yang jelas dan statistika dasar.
Mata Pelajaran:
Fokus Belajar:
Naik ke pemodelan: membangun model prediksi dan klasifikasi dengan scikit-learn, lalu mengevaluasi performanya. Di tahap ini Anda memahami alur kerja machine learning yang utuh.
Mata Pelajaran:
Fokus Belajar:
Mengerjakan proyek data akhir yang utuh dari dataset mentah sampai insight dan model, lalu menyusun portofolio plus persiapan masuk dunia kerja atau magang data.
Mata Pelajaran:
Fokus Belajar:
Empat modul utama yang disusun bertahap, semuanya berbasis proyek dengan dataset nyata.
Mentor menyesuaikan modul dengan tujuan Anda. Yang ingin fokus analisis akan mendalami EDA dan visualisasi, yang ingin ke machine learning akan menambah porsi pemodelan.
Fondasi Python dan manipulasi data tabel dengan pandas, alat utama setiap data scientist.
Membersihkan, mengeksplorasi, dan memvisualisasikan data agar bercerita dengan jelas.
Membangun model prediksi dan klasifikasi serta mengevaluasinya dengan benar.
Merangkai semua keterampilan menjadi proyek data utuh yang siap kerja.
Profesional dari bidang lain yang ingin pindah ke industri data. Format privat memungkinkan belajar di sela kesibukan kerja dengan target yang jelas dan portofolio nyata.
Rekomendasi:
Mahasiswa berbagai jurusan yang ingin skill data praktis, serta lulusan baru yang menyiapkan portofolio untuk melamar sebagai data analyst atau data scientist.
Rekomendasi:
Karyawan yang ingin mengambil keputusan berbasis data, mengotomasi analisis, atau menambah kemampuan analitik di pekerjaan saat ini.
Rekomendasi:
Siswa yang tertarik dunia data dan teknologi sejak dini, ingin mengenal Python, atau menyiapkan diri masuk jurusan terkait data dan komputer.
Rekomendasi:
Format privat kami mengejar satu hasil akhir: Anda mampu menjalankan proyek data sendiri dan punya portofolio untuk membuktikannya.
Anda yang menentukan tempo, bertanya sepuasnya dan melaju dari statistik ke machine learning tanpa menunggu kelas.
Belajar dari orang yang benar-benar mengerjakan proyek data, lengkap dengan praktik dunia kerja nyata.
Setiap modul memakai dataset asli dan menghasilkan analisis nyata. Anda belajar sambil langsung mengerjakannya sendiri.
Dari memahami masalah, mengolah data, sampai komunikasi hasil. Bukan potongan materi terpisah.
Lulus dengan proyek data di GitHub yang rapi, siap ditunjukkan ke perekrut.
Harga terbuka dan per sesi, Anda bisa mencicil dari dasar statistik tanpa paket panjang.
Mentor kami adalah praktisi data aktif serta mahasiswa dan alumni terbaik bidang statistika, ilmu komputer, dan matematika dari kampus ternama Indonesia, yang terbiasa membimbing dari nol.

Statistika, Institut Teknologi Sepuluh Nopember
Statistik yang masuk akal“Himawan menjelaskan dasar statistik dengan contoh yang dekat, supaya angka dan rumus terasa masuk akal sebelum masuk ke analisis data.”

Statistika, Institut Teknologi Sepuluh Nopember
Merapikan data mentah“Karina menekankan tahap merapikan data yang sering diabaikan, karena analisis yang baik selalu dimulai dari data yang bersih.”

Statistika, Universitas Gadjah Mada
Membaca data jadi cerita“Reta melatih siswa membaca data dan mengubahnya menjadi cerita yang bisa dipahami orang lain, inti dari pekerjaan seorang analis.”

Statistika, Universitas Brawijaya
Visualisasi yang berbicara“Charles mengajari membuat grafik yang langsung menyampaikan pesan, supaya temuan dari data mudah dimengerti sekali lihat.”

Statistika, Universitas Diponegoro
Python untuk olah data“Angger mengenalkan Python dan pustaka pengolah data selangkah demi selangkah, supaya siswa bisa mengolah data sendiri dengan percaya diri.”

Sains Data Terapan, Politeknik Elektronika Negeri Surabaya
Dari data ke keputusan“Berlatar sains data terapan, Sony menunjukkan bagaimana data dipakai untuk mengambil keputusan nyata, supaya belajar terasa langsung berguna.”
Dari nol coding sampai magang data analyst, inilah cerita mereka yang menempuh perjalanan data science bersama mentor EduPoint.
Saya dari background ekonomi, nol pengalaman coding. Dalam 7 bulan les privat, sekarang sudah punya 3 proyek analisis di portofolio dan diterima magang sebagai data analyst. Mentornya sabar jelasin Python dari dasar.
Hansen H.
Career switcher dari ekonomi • Jakarta
Belajar otodidak dari kursus online bikin saya bingung urutannya. Dengan mentor, roadmap-nya jelas dari pandas sampai machine learning. Tiap sesi ada target dan proyek kecil yang langsung saya kerjakan.
Dewi M.
Mahasiswa Statistika • Bandung
Skripsi saya butuh analisis data dan model prediksi, tapi saya buntu. Mentor EduPoint dampingi dari pembersihan data sampai interpretasi hasil. Sidang saya berjalan lancar karena saya benar-benar paham analisisnya.
Nadya O.
Mahasiswa tingkat akhir • Surabaya
Saya manajer yang ingin bisa baca data sendiri tanpa selalu minta tim. Les privat fokus ke analisis dan visualisasi sesuai kebutuhan kerja saya. Sekarang saya bisa bikin dashboard sendiri untuk laporan.
Arif M.
Profesional, ingin naik level • Tangerang
Jadwal kerja saya padat, jadi les online malam hari sangat membantu. Sesinya direkam jadi bisa diulang. Pelan tapi konsisten, sekarang saya sudah nyaman dengan pandas dan scikit-learn.
Cantika N.
Karyawan, belajar sambil kerja • Depok
Saya suka sisi statistika dan mentor langsung arahkan ke pemodelan. Sekarang saya paham kapan pakai regresi atau klasifikasi dan cara mengevaluasinya. Rasanya seperti membuka cara berpikir baru.
Budi N.
Mahasiswa Matematika • Semarang
Anak saya kuliah dan ingin masuk bidang data. Mentornya membimbing dari Python sampai proyek nyata, dan rajin kasih feedback. Dia jadi makin percaya diri melamar magang data.
Gina N.
Orang tua mahasiswa • Jogja
Yang saya suka, belajarnya benar-benar berbasis proyek dengan dataset asli. Setiap modul selesai, ada analisis nyata yang masuk portofolio. Jadi belajar terasa ada hasilnya, bukan teori menggantung.
Vina S.
Career switcher dari marketing • Medan
Untuk mendalami data science, Anda membayar tarif per jam yang jelas: panjang sesi 60/90/120 menit dan frekuensi bulanan 4-28 pertemuan sepenuhnya di tangan Anda, sementara total biayanya ditampilkan utuh pada proses pendaftaran.
Mulai dari
Rp 79.000 / jam
Harga final dihitung saat daftar.
Tarif per jam terhemat, dihitung dari paket 28 sesi per bulan berdurasi 120 menit. Harga per sesi (60, 90, atau 120 menit) tercantum di bagian pilihan format.
Bayar fleksibel — QRIS, Virtual Account, Alfamart, Indomaret, transfer & e-wallet.
Angka menyesuaikan kota Anda dan tertera final sebelum pembayaran; semua metode bayar kami terima.
Les data science online tersedia untuk siswa di seluruh Indonesia maupun di luar negeri.
Les data science tatap muka, mentor datang ke rumah di kota-kota berikut.
Cerita nyata dari mereka yang mengubah arah karier lewat data science.
Soal biaya, syarat matematika, spesifikasi laptop, sampai jalur karier ke data analyst, semuanya kami jawab di sini.
Artikel pendukung untuk membantu Anda memutuskan dan memaksimalkan hasil belajar.
Peta belajar SQL yang berangkat dari lima perintah inti dan latihan pada data nyata, disusun khusus untuk yang baru masuk dunia data.
Perekrut menilai kemampuan dari karya yang bisa dilihat. Portofolio yang kuat berisi proyek yang menjawab pertanyaan nyata, terdokumentasi rapi, dan menceritakan cara berpikir Anda.
Tiga profesi yang lahir dari rantai data yang sama, dengan fokus kerja dan skill yang berlainan.
Tujuh tahap berurutan yang membawa pemula total dari fondasi statistika dan Python sampai melatih model machine learning sendiri dan merangkainya jadi satu proyek end-to-end.
Susun jalur belajar mandiri yang terukur, dari dasar Python sampai proyek portofolio pertama Anda.
Program lain yang mungkin sesuai untuk Anda
Konsultasi gratis dengan tim kami untuk menentukan titik mulai, dari Python sampai machine learning, dan menemukan mentor data science yang paling pas.
Setiap proyek data nyata menempuh enam tahap. Anda berlatih semuanya sampai bisa menjalankan satu proyek data dari awal hingga akhir secara mandiri.
Mengubah pertanyaan bisnis menjadi pertanyaan data
Hasil Tahap Ini: Pertanyaan data yang jelas dan terukur sebelum menyentuh kode.
Menyiapkan data mentah agar siap dianalisis
Hasil Tahap Ini: Dataset bersih dan rapi yang siap dieksplorasi.
Menemukan pola, tren, dan anomali
Hasil Tahap Ini: Pemahaman mendalam tentang isi data dan arah analisis.
Membuat data memprediksi dan mengelompokkan
Hasil Tahap Ini: Model machine learning pertama yang berjalan pada data nyata.
Memastikan model benar dan bisa dipercaya
Hasil Tahap Ini: Model yang teruji dan kesimpulan yang bisa dipertanggungjawabkan.
Menyampaikan hasil agar berdampak
Hasil Tahap Ini: Insight yang dipahami pengambil keputusan dan proyek siap dipamerkan.
Banyak orang belajar data science secara terpisah-pisah: Python di satu tempat, statistika di tempat lain, machine learning dari video acak. Hasilnya bingung saat menghadapi data nyata. Dengan berlatih satu alur utuh dari masalah sampai hasil, Anda terbiasa mengerjakan proyek seperti data scientist sungguhan. Inilah yang dicari perekrut dan yang membuat portofolio Anda menonjol.