Hubungi Kami

Kerangka Materi

Pendahuluan

  • Pengertian mengenai AI Prediktif
  • Sejarah dan perkembangan analisis prediktif
  • Prinsip-prinsip dasar pembelajaran mesin serta penambangan data

Pengumpulan dan Pemrosesan Data

  • Cara mengumpulkan data yang relevan
  • Membersihkan serta menyiapkan data untuk dianalisis
  • Mengenali jenis dan sumber-sumber data

Analisis Eksploratori Data (EDA)

  • Memvisualisasikan data guna memperoleh wawasan berharga
  • Statistik deskriptif dan cara merangkum informasi dalam data
  • Mengidentifikasi pola serta keterkaitan antar variabel dalam data

Pemodelan Statistik

  • Konsep dasar inferensi statistika
  • Analisis regresi
  • Model klasifikasi

Algoritma Pembelajaran Mesin untuk Prediksi

  • Gambaran umum algoritma pembelajaran terawasi
  • Pohon keputusan serta hutan acak
  • Jaringan saraf dan dasar-dasar pembelajaran mendalam

Penilaian serta Pemilihan Model

  • Memahami tingkat akurasi model beserta metrik kinerjanya
  • Teknik validasi silang untuk menguji ketahanan model
  • Permasalahan overfitting dan cara menyelesaikannya

Penerapan Praktis AI Prediktif

  • Studi kasus dari berbagai sektor industri
  • Aspek etika dalam pemodelan prediktif
  • Batasan serta tantangan yang dihadapi AI Prediktif

Proyek Praktikum

  • Membangun model prediksi dengan memanfaatkan suatu kumpulan data
  • Menggunakan model tersebut untuk mengambil keputusan berdasarkan prediksi
  • Menilai serta menafsirkan hasil yang diperoleh

Penutup dan Langkah Selanjutnya

Persyaratan

  • Memahami konsep dasar statistika
  • Berpengalaman dalam menggunakan bahasa pemrograman apa pun
  • Mengenal cara mengelola data serta penggunaan lembar kerja
  • Pengalaman sebelumnya dalam bidang AI atau sains data tidak diwajibkan

Target Peserta

  • Para profesional IT
  • Analis data
  • Staf teknis
 21 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (3)

Kursus Mendatang

Kategori Terkait