Hubungi Kami

Kerangka Materi

Pembelajaran terbimbing: klasifikasi dan regresi

  • Machine Learning dalam Python: pengenalan API scikit-learn
    • regresi linear dan logistik
    • support vector machine
    • neural networks
    • random forest
  • Penyiapan pipeline pembelajaran terbimbing end-to-end menggunakan scikit-learn
    • penanganan file data
    • imputasi nilai yang hilang
    • penanganan variabel kategorikal
    • visualisasi data

Framework Python untuk aplikasi AI:

  • TensorFlow, Theano, Caffe, dan Keras
  • AI berskala besar dengan Apache Spark: Mlib

Arsitektur neural network tingkat lanjut

  • convolutional neural networks untuk analisis citra
  • recurrent neural networks untuk data yang terstruktur waktu
  • sel long short-term memory (LSTM)

Pembelajaran tak terbimbing: clustering, deteksi anomali

  • implementasi analisis komponen utama (PCA) dengan scikit-learn
  • implementasi autoencoder dalam Keras

Contoh praktis masalah yang dapat dipecahkan oleh AI (latihan langsung menggunakan Jupyter notebooks), misalnya 

  • analisis citra
  • peramalan seri keuangan kompleks, seperti harga saham,
  • pengenalan pola kompleks
  • pengolahan bahasa alami (NLP)
  • sistem rekomendasi

Memahami keterbatasan metode AI: mode kegagalan, biaya, dan kesulitan umum

  • overfitting
  • trade-off bias/varians
  • bias dalam data observasional
  • keracunan jaringan saraf (neural network poisoning)

Proyek terapan (opsional)

Persyaratan

Tidak ada persyaratan khusus yang diperlukan untuk mengikuti kursus ini.

 28 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (2)

Kursus Mendatang

Kategori Terkait