Kerangka Materi

  1. Pra pengolahan data

    1. Pembersihan data
    2. Integrasi dan transformasi data
    3. Pengurangan data
    4. Discretisasi dan pembentukan hierarki konsep
  2. Inferensi statistik

    1. Distribusi probabilitas, variabel acak, teorema batas pusat
    2. Pengambilan sampel
    3. Interval kepercayaan
    4. Inferensi statistik
    5. Uji hipotesis
  3. Regresi linear multivariat

    1. Spesifikasi
    2. Pemilihan subset
    3. Estimasi
    4. Validasi
    5. Prediksi
  4. Metode klasifikasi

    1. Regresi logistik
    2. Analisis diskriminan linear
    3. K-nearest neighbours
    4. Naive Bayes
    5. Perbandingan metode klasifikasi
  5. Jaringan Sarang Laba-laba

    1. Penyesuaian jaringan sarang laba-laba
    2. Masukkan masalah pelatihan jaringan sarang laba-laba
  6. Pohon keputusan

    1. Pohon regresi
    2. Pohon klasifikasi
    3. Pohon vs model linear
  7. Bagging, Random Forests, Boosting

    1. Bagging
    2. Random Forests
    3. Boosting
  8. Mesin Vektor Pendukung dan diskret fleksibel

    1. Klasifikasi margin maksimal
    2. Klasifikasi vektor pendukung
    3. Mesin vektor pendukung
    4. SVM kelas 2 dan lebih
    5. Hubungan dengan regresi logistik
  9. Analisis Komponen Utama

  10. Pengelompokan

    1. Pengelompokan k-means
    2. Pengelompokan k-medoids
    3. Pengelompokan hierarki
    4. Pengelompokan berbasis kepadatan
  11. Penilaian dan Pemilihan Model

    1. Bias, varians, dan kompleksitas model
    2. Kesalahan prediksi dalam sampel
    3. Pendekatan bayes
    4. Validasi silang
    5. Metode bootstrap
 28 Jam

Jumlah Peserta


Biaya per Peserta

Testimoni (5)

Kursus Mendatang

Kategori Terkait