Course “Collecting and Processing Text Data for NLP Task” merupakan course yang dirancang untuk memberikan pemahaman dasar hingga praktik dalam pengolahan data teks untuk kebutuhan Natural Language Processing (NLP). Peserta akan mempelajari konsep dasar NLP, task klasifikasi teks, serta alur kerja lengkap proyek NLP mulai dari perumusan masalah hingga persiapan data untuk pemodelan. Materi juga mencakup pengenalan pipeline proyek NLP yang umum digunakan dalam industri dan penelitian.
Selain konsep teoritis, course ini membahas cara memperoleh data teks dari berbagai sumber terbuka, termasuk repository dataset populer seperti Kaggle. Peserta akan belajar melakukan Exploratory Data Analysis (EDA) untuk memahami karakteristik data, membersihkan dan mempersiapkan data melalui berbagai teknik text preprocessing, serta menerapkan tokenization untuk mengubah teks menjadi bentuk yang dapat diproses oleh komputer. Materi word embedding juga diperkenalkan untuk mengubah representasi teks menjadi vektor numerik yang dapat digunakan dalam model machine learning dan deep learning.
Setiap topik dilengkapi dengan coding demo yang memungkinkan peserta mengikuti proses implementasi secara langsung. Setelah menyelesaikan course ini, peserta akan mampu mengumpulkan, menganalisis, dan memproses data teks secara sistematis sebagai fondasi untuk membangun solusi NLP.
Modul ini dapat diselesaikan dalam waktu sekitar 5–10 jam pembelajaran atau setara dengan 2–3 minggu belajar mandiri. Setelah menyelesaikan course ini, peserta akan mampu mengumpulkan dan mengolah data teks.
