Apa yang akan Anda pelajari
-
Pelajari AZ Pembelajaran Mesin dari awal
-
Bangun karier Anda di Machine Learning, Deep Learning, dan Ilmu Data
-
Menjadi insinyur Pembelajaran Mesin top
-
Konsep inti dari berbagai metode Pembelajaran Mesin
-
Konsep dan algoritma matematika yang digunakan dalam teknik Machine Learning
-
Selesaikan masalah dunia nyata menggunakan Machine Learning
-
Kembangkan aplikasi baru berdasarkan Machine Learning
-
Menerapkan teknik pembelajaran mesin pada masalah dunia nyata atau mengembangkan aplikasi berbasis AI
-
Menganalisis dan menerapkan teknik Regresi
-
Dasar-dasar Aljabar Linear
-
AZ Pemrograman Python dan aplikasinya dalam Machine Learning
-
Program Python, Matplotlib, NumPy, aplikasi GUI dasar
-
Sistem file, Modul acak, Pandas
-
Buat aplikasi Age Calculator menggunakan Python
-
Dasar-dasar Machine Learning
-
Jenis Pembelajaran Mesin dan aplikasinya dalam skenario kehidupan nyata
-
Supervised Learning – Klasifikasi dan Regresi
-
Regresi Berganda
-
Algoritma KNN, algoritma Decision Tree
-
Algoritme & konsep Pembelajaran tanpa pengawasan
-
Algoritma AHC
-
Algoritma dan program K-means clustering & DBSCAN
-
Memecahkan dan menerapkan solusi dari masalah Klasifikasi
-
Pahami dan terapkan algoritme Pembelajaran Tanpa Supervisi
Persyaratan
-
Antusiasme dan tekad untuk membuat tanda Anda di dunia!
Deskripsi
Kursus mendalam tentang konsep Machine Learning dan menerapkan pembelajaran mesin dengan Python .
Tujuan: Mempelajari konsep dasar berbagai metode pembelajaran mesin adalah tujuan utama kursus ini. Mata kuliah ini secara khusus membuat siswa mampu mempelajari konsep matematika, dan algoritma yang digunakan dalam teknik pembelajaran mesin untuk memecahkan masalah dunia nyata dan mengembangkan aplikasi baru berdasarkan pembelajaran mesin.
Hasil Kursus: Setelah menyelesaikan kursus ini, siswa akan mampu untuk:
1. Menerapkan teknik pembelajaran mesin pada masalah dunia nyata atau mengembangkan aplikasi berbasis AI
2. Menganalisis dan Menerapkan teknik Regresi
3. Memecahkan dan Menerapkan solusi dari masalah Klasifikasi
4. Memahami dan mengimplementasikan algoritma pembelajaran tanpa pengawasan
Topik
- Python untuk Pembelajaran Mesin
Pengenalan Python untuk ML, modul Python untuk ML, Dataset, Terapkan Algoritma pada dataset, Analisis Hasil dari dataset, Future Scope of ML.
- Pengantar Pembelajaran Mesin
Apa itu Pembelajaran Mesin, Terminologi Dasar Pembelajaran Mesin, Aplikasi ML, berbagai teknik pembelajaran Mesin, Perbedaan antara Data Mining dan Analisis Prediktif, Alat, dan Teknik Pembelajaran Mesin.
- Jenis Pembelajaran Mesin
Pembelajaran yang Diawasi, Pembelajaran Tanpa Pengawasan, Pembelajaran Penguatan. Siklus Pembelajaran Mesin.
- Pembelajaran Terbimbing: Klasifikasi dan Regresi
Klasifikasi: K-Nearest Neighbor, Decision Trees, Regresi: Representasi Model, Linear Regression.
- Pembelajaran Tanpa Pengawasan dan Penguatan
Pengelompokan : K-Means Clustering, Hierarchical clustering, Density-Based Clustering.
Silabus Detail Kursus Machine Learning
1. Aljabar Linear
- Dasar-dasar Aljabar Linear
- Menerapkan Aljabar Linear untuk menyelesaikan masalah
2. Pemrograman Python
- Pengantar Python
- Tipe data Python
- Operator Python
- Tipe data tingkat lanjut
- Menulis program Python sederhana
- Pernyataan bersyarat Python
- Pernyataan perulangan Python
- Pecahkan dan Lanjutkan kata kunci dengan Python
- Fungsi dengan Python
- Argumen fungsi dan argumen yang diperlukan Fungsi
- Argumen default
- Argumen variabel
- Fungsi bawaan
- Cakupan variabel
- Modul Matematika Python
- Modul Python Matplotlib
- Membangun aplikasi GUI dasar
- Dasar-dasar NumPy
- Berkas sistem
- Sistem file dengan pernyataan
- Sistem file dengan membaca dan menulis
- Dasar-dasar modul acak
- Dasar-dasar panda
- Dasar-dasar Matplotlib
- Membangun aplikasi Kalkulator Usia
3. Dasar-dasar Machine Learning
- Pelajari dasar-dasar Machine Learning
- Dasar-dasar Machine Learning secara detail
4. Jenis Pembelajaran Mesin
- Pelajari jenis-jenis Machine Learning
- Jenis Machine Learning secara detail
5. Regresi Berganda
6. Algoritma KNN
- Pengantar KNN
- Algoritma KNN
- Pengantar Confusion Matrix
- Memisahkan set data menggunakan TRAINTESTSPLIT
7. Pohon Keputusan
- Pengantar Pohon Keputusan
- Algoritme Pohon Keputusan
8. Pembelajaran Tanpa Pengawasan
- Pengantar Pembelajaran Tanpa Pengawasan
- Algoritme Pembelajaran Tanpa Pengawasan
- Menerapkan Pembelajaran Tanpa Pengawasan
9. Algoritma AHC
10. Pengelompokan K-means
- Pengantar pengelompokan K-means
- Algoritme pengelompokan K-means secara detail
11. DBSCAN
- Pengantar algoritma DBSCAN
- Pahami algoritma DBSCAN secara detail
- Program DBSCAN
Untuk siapa kursus ini:
- Insinyur Pembelajaran Mesin & Insinyur Kecerdasan Buatan
- Ilmuwan Data & Insinyur Data
- Pemula dan Pemula yang bercita-cita untuk berkarir di Ilmu Data dan Pembelajaran Mesin
- UKM & Spesialis Pembelajaran Mesin
- Siapapun (dengan atau tanpa latar belakang data) yang ingin menjadi insinyur ML dan / atau Ilmuwan Data terbaik
- Analis Data dan Konsultan Data
- Visualisasi Data dan Pengembang / Analis Business Intelligence
- CEO, CTO, CMO dari berbagai ukuran organisasi
- Pemrogram Perangkat Lunak dan Pengembang Aplikasi
- Pembelajaran Mesin Senior dan Insinyur Simulasi
- Peneliti Machine Learning – NLP, Python, Deep Learning
- Penggemar Deep Learning dan Machine Learning
- Spesialis Pembelajaran Mesin
- Insinyur Riset Pembelajaran Mesin – Perawatan Kesehatan, Ritel, sektor apa pun
- Pengembang Python, Pembelajaran Mesin, IOT, AirFlow, MLflow, Kubef
- Computer Vision / Insinyur Pembelajaran Mendalam – Python