Hubungi Kami
 Durasi 35 jam

Kerangka Materi

Ringkasan AI dalam Python

  • Konsep utama dan cakupan AI
  • Pustaka Python untuk pengembangan AI
  • Struktur dan alur kerja proyek AI

Persiapan Data untuk AI

  • Pembersihan, transformasi, dan rekayasa fitur data
  • Menangani data yang hilang dan tidak seimbang
  • Skala fitur dan pengkodean

Teknik Pembelajaran Supervisi

  • Algoritma regresi dan klasifikasi
  • Metode ensemble: Random Forest, Gradient Boosting
  • Penyesuaian hiperparameter dan validasi silang

Teknik Pembelajaran Tanpa Supervisi

  • Metode pengelompokan: K-Means, DBSCAN, pengelompokan hierarkis
  • Pengurangan dimensi: PCA, t-SNE
  • Kasus penggunaan pembelajaran tanpa supervisi

Jaringan Saraf dan Pembelajaran Mendalam

  • Pengenalan TensorFlow dan Keras
  • Membangun dan melatih jaringan saraf feedforward
  • Optimasi kinerja jaringan saraf

Pembelajaran Penguatan (Pengenalan)

  • Konsep inti agen, lingkungan, dan hadiah
  • Implementasi algoritma pembelajaran penguatan dasar
  • Aplikasi pembelajaran penguatan

Penerapan Model AI

  • Menyimpan dan memuat model yang telah dilatih
  • Integrasi model ke dalam aplikasi melalui API
  • Memantau dan memelihara sistem AI dalam produksi

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pemahaman yang kuat tentang dasar-dasar pemrograman Python
  • Pengalaman dengan pustaka analisis data seperti NumPy dan pandas
  • Pengetahuan dasar tentang konsep dan algoritma pembelajaran mesin

Audience

  • Pengembang perangkat lunak yang bertujuan untuk memperluas keterampilan pengembangan AI mereka
  • Analis data yang mencari cara untuk menerapkan teknik AI pada dataset yang kompleks
  • Profesional R&D yang membangun aplikasi bertenaga AI

Jumlah Peserta


Harga per Peserta

Testimoni (2)

Kursus Mendatang

Kategori Terkait