Apa yang akan Anda pelajari
-
Perpustakaan Ilmu Data seperti Numpy, Pandas, Matplotlib, Scipy, Scikit Learn, Seaborn, Plotly, dan banyak lagi
-
Konsep pembelajaran mesin dan berbagai jenis Pembelajaran Mesin
-
Algoritma Pembelajaran Mesin seperti Regresi, Klasifikasi, Klasifikasi Naive Bayes, Pohon Keputusan, Algoritma K-Nearest Neighbor (KNN), Mendukung Algoritma Mesin Vektor, Algoritma Hutan Acak
-
Rekayasa fitur
-
Dasar-dasar Python
Persyaratan
-
Tidak diperlukan pengalaman pemrograman sebelumnya.
Deskripsi
Kecerdasan Buatan adalah garis depan digital berikutnya, dengan implikasi yang sangat besar bagi bisnis dan masyarakat. Ukuran pasar AI global diproyeksikan mencapai $ 202,57 miliar pada tahun 2026, menurut Fortune Business Insights.
Ini Science & Mesin data Learning (ML) tentu saja tidak hanya ‘Hands-On’ praktis berdasarkan tetapi juga mencakup beberapa kasus penggunaan sehingga siswa dapat memahami kebutuhan industri yang sebenarnya, dan budaya kerja. Ini adalah persyaratan untuk mengembangkan aplikasi tingkat tinggi apa pun di AI.
Kursus ini mencakup topik
- Apa itu Ilmu Data
- Jelaskan Kecerdasan Buatan dan Pembelajaran Mesin dan Pembelajaran Mendalam
- Konsep Pembelajaran Mesin
- Python untuk Analisis Data Numpy
- Lingkungan kerja
- Google Colab
- Instalasi Anaconda
- Notebook Jupyter
- Analisis data-Panda
- Matplotlib
- Apa itu Pembelajaran Mesin yang Diawasi
- Regresi
- Klasifikasi
- Kasus Penggunaan Regresi Multilinear Prediksi Harga Perumahan Boston
- Simpan Model
- Regresi Logistik pada Dataset Bunga Iris
- Klasifikasi Naive Bayes pada Set Data Anggur
- Klasifikasi Naive Bayes untuk Klasifikasi Teks
- Pohon Keputusan
- Algoritma K-Nearest Neighbor (KNN)
- Mendukung Algoritma Mesin Vektor
- Algoritma Hutan Acak I
- Apa itu Pembelajaran Mesin Tanpa Supervisi
- Jenis Pembelajaran Tanpa Pengawasan
- Keuntungan dan Kerugian dari Pembelajaran Tanpa Pengawasan
- Apa itu pengelompokan?
- Pengelompokan K-means
- Kompresi gambar menggunakan K-means clustering | Kuantisasi Warna menggunakan K-Means
- Underfitting, Overfitting, dan fitting terbaik dalam Pembelajaran Mesin
- Cara menghindari Overfitting dalam Machine Learning
- Rekayasa Fitur
- Dasar-dasar Python
Dalam beberapa tahun terakhir, kendaraan tanpa pengemudi, asisten digital, staf pabrik robotik, dan kota pintar telah membuktikan bahwa mesin cerdas itu mungkin. AI telah mengubah sebagian besar sektor industri seperti ritel, manufaktur, keuangan, perawatan kesehatan, dan media, serta terus menyerang wilayah baru. Setiap hari, aplikasi, produk, atau layanan baru mengungkapkan bahwa ia menggunakan pembelajaran mesin untuk menjadi lebih pintar dan lebih baik.
Untuk siapa kursus ini:
- Siapa pun yang tertarik dengan Machine Learning.
- Semua siswa di perguruan tinggi yang ingin memulai karir di Ilmu Data.
