Kursus Data Science: Implementasi Deep Learning untuk Deteksi Emosi dari Teks Menggunakan BERT dan Python

Berikut adalah silabus lengkap 20 sesi (masing-masing 1,5 jam) untuk topik:

“Implementasi Deep Learning untuk Deteksi Emosi dari Teks Menggunakan BERT dan Python”

Silabus ini cocok untuk tingkat skripsi/tesis dan dapat diterapkan pada pelatihan, kuliah, atau studi independen.

Tujuan Umum:

• Memahami teori dasar deteksi emosi dalam teks (Emotion Detection in NLP).

• Menguasai implementasi model BERT menggunakan Python dan Hugging Face.

• Melatih dan mengevaluasi model BERT untuk klasifikasi emosi teks.

• Membangun aplikasi sederhana berbasis model yang dilatih.

Silabus 20 Sesi @1,5 Jam

Bagian 1: Dasar-dasar NLP dan Deteksi Emosi

Sesi 1: Pengenalan NLP dan Deteksi Emosi

• Konsep dasar Natural Language Processing

• Definisi dan tantangan Emotion Detection

• Studi kasus dan aplikasi nyata

Sesi 2: Bahasa dan Emosi dalam Teks

• Representasi emosi: Ekman, Plutchik, dan lainnya

• Label emosi umum: joy, anger, sadness, fear, surprise, disgust

• Dataset umum: GoEmotions, Emotion Dataset, Tweet Emotion

Sesi 3: Pengenalan Python untuk NLP

• Tokenisasi, stemming, lemmatization (NLTK & spaCy)

• Preprocessing dasar: case folding, stopwords removal

• Studi kasus kecil preprocessing data emosi

Sesi 4: Text Vectorization

• Bag-of-Words dan TF-IDF

• Word2Vec dan GloVe (teori dan praktik)

• Kelebihan dan kekurangan metode klasik

Bagian 2: Teori dan Implementasi BERT

Sesi 5: Pengenalan BERT dan Transformer

• Apa itu Transformer?