Kerangka Materi
1. Pengantar Pembelajaran Mesin
- Apa itu Pembelajaran Mesin
- Bagaimana konsep tersebut melengkapi proses analisis data
-
Contoh penerapan di dunia bisnis:
- Peramalan penjualan
- Segmentasi pelanggan
- Prediksi kecenderungan pelanggan untuk berhenti menggunakan produk
2. Dari Analisis Data Menuju Pembelajaran Mesin
- Ringkasan: cara mengelola data dengan Pandas
- Peralihan dari analisis deskriptif menuju analisis prediktif
- Cara merumuskan permasalahan sebagai masalah Pembelajaran Mesin
3. Alur Kerja Pembelajaran Mesin (versi sederhana)
- Persiapan dataset
- Pemisahan data menjadi kumpulan pelatihan dan pengujian
- Pelatihan model
- Pembuatan prediksi berdasarkan model yang telah dilatih
4. Persiapan Data untuk Pembelajaran Mesin
- Penanganan nilai yang hilang dalam dataset
- Pengkodean variabel kategori
- Pemilihan fitur (secara dasar)
- Penyesuaian skala data (pengenalan konsep secara umum)
5. Pembelajaran Terawasi (latihan praktis)
Regresi
- Regresi Linier
- Contoh penerapannya: meramalkan nilai numerik (misalnya perkiraan penjualan atau permintaan pasar)
Klasifikasi
- Regresi Logistik
- Contoh penerapannya: menyelesaikan permasalahan klasifikasi biner (misalnya menentukan apakah pelanggan akan berhenti menggunakan produk atau tidak, atau membedakan transaksi penipuan dari yang sah)
6. Pembelajaran Tak Terawasi
Klasterisasi
- Algoritma K-means clustering
- Contoh penerapannya: melakukan segmentasi kelompok pelanggan berdasarkan karakteristik tertentu
7. Penilaian Model (versi sederhana)
- Perbandingan kinerja model pada data pelatihan dan pengujian
- Akurasi hasil klasifikasi
- Pemahaman mengenai tingkat kesalahan dalam konteks regresi
8. Menginterpretasikan Hasil
- Cara memahami keluaran yang dihasilkan model
- Pengenalan pola serta tren yang terdapat dalam data
- Translasi hasil analisis menjadi rekomendasi bisnis yang tepat
9. Contoh Praktis dari Awal Hingga Akhir
- Memuat dataset ke dalam sistem
- Membersihkan dan menyiapkan data agar siap digunakan
- Melatih model secara bertahap
- Menilai kinerja yang dicapai oleh model tersebut
- Menggali wawasan bernilai dari hasil analisis akhir
Persyaratan
Prasyarat
- Pengetahuan dasar tentang Python
- Kebiasaan menggunakan Pandas serta pengalaman dalam menangani dataset
- Pemahaman mengenai konsep-konsep analisis data yang mendasar
Target Peserta
- Analis Data
- Analis Bisnis yang telah memiliki pengetahuan dasar Python
- Para profesional yang pernah mengikuti kursus Python untuk Analisis Data atau setara dengannya
- Pemula di bidang Pembelajaran Mesin
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
