Kerangka Materi
Pengantar Model Pembelajaran Mesin Tingkat Lanjut
- Gambaran umum mengenai model-model kompleks: Random Forests, Gradient Boosting, Jaringan Saraf
- Kapan sebaiknya menggunakan model tingkat lanjut: Praktik terbaik dan contoh penggunaannya
- Pengenalan teknik pembelajaran ensemble
Penyetelan Parameter dan Optimisasi Model
- Teknik pencarian parameter secara sistematis (Grid Search) maupun acak
- Mengotomatisasi proses penyetelan parameter dengan Google Colab
- Penerapan teknik optimisasi canggih seperti Bayesian Search dan Algoritma Genetika
Jaringan Saraf dan Pembelajaran Dalam
- Membuat serta melatih jaringan saraf dalam
- Teknik transfer learning menggunakan model yang telah terlatih sebelumnya
- Cara mengoptimalkan performa model pembelajaran dalam
Penyebaran Model ke Lingkungan Produksi
- Pengantar berbagai strategi penyebaran model
- Menyebarkan model ke lingkungan cloud dengan bantuan Google Colab
- Proses inferensi secara real-time maupun pemrosesan batch data
Memanfaatkan Google Colab untuk Proyek Pembelajaran Mesin Skala Besar
- Kerja sama tim dalam proyek pembelajaran mesin di lingkungan Colab
- Menggunakan Colab untuk pelatihan model secara terdistribusi serta pemanfaatan akselerator GPU/TPU
- Integrasi dengan layanan cloud guna melatih model secara efisien dan skalabel
Interpretabilitas dan Keterjelasan Model Pembelajaran Mesin
- Memahami teknik-teknik interpretabilitas model, seperti LIME dan SHAP
- Penerapan prinsip keterjelasan dalam pengembangan model pembelajaran dalam
- Cara mengatasi masalah bias serta keadilan dalam model pembelajaran mesin
Aplikasi Nyata dan Studi Kasus Pembelajaran Mesin Tingkat Lanjut
- Penerapan model tingkat lanjut dalam bidang kesehatan, keuangan, serta e-commerce
- Studi kasus sukses mengenai penyebaran berbagai model pembelajaran mesin
- Tantangan dan arah pengembangan masa depan dalam bidang pembelajaran mesin tingkat lanjut
Rangkuman dan Langkah Selanjutnya
Persyaratan
- Pemahaman mendalam mengenai algoritma dan konsep pembelajaran mesin
- Kemampuan memadai dalam pemrograman Python
- Pengalaman menggunakan Jupyter Notebooks atau Google Colab
Target Peserta
- Para ahli data
- Praktisi pembelajaran mesin
- Insinyur kecerdasan buatan
Testimoni (3)
Saya sangat menyukai bagian akhir di mana kita menghabiskan waktu untuk bermain dengan CHAT GPT. Ruangan tidak disiapkan dengan baik untuk ini—sebaiknya menggunakan beberapa meja kecil agar kita bisa berkumpul dalam kelompok-kelompok kecil dan melakukan brainstorming, daripada satu meja besar.
Nola - Laramie County Community College
Kursus - Artificial Intelligence (AI) Overview
Diterjemahkan Mesin
Bekerja berdasarkan prinsip-prinsip dasar secara fokus, dan beralih ke penerapan studi kasus pada hari yang sama
Maggie Webb - Department of Jobs, Regions, and Precincts
Kursus - Artificial Neural Networks, Machine Learning, Deep Thinking
Diterjemahkan Mesin
Bahwa itu menggunakan data perusahaan nyata. Instruktur memiliki pendekatan yang sangat baik dengan membuat peserta pelatihan berpartisipasi dan bersaing
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
Kursus - Applied AI from Scratch in Python
Diterjemahkan Mesin
