Kerangka Materi

Pengenalan

  • Mendefinisikan AI Prediktif
  • Konteks historis dan evolusi analitik prediktif
  • Prinsip-prinsip dasar pembelajaran mesin dan penambangan data

Pengumpulan Data dan Pra-pemrosesan

  • Mengumpulkan data yang relevan
  • Membersihkan dan mempersiapkan data untuk analisis
  • Memahami jenis dan sumber data

Analisis Data Eksplorasi (EDA)

  • Mempresentasikan data untuk wawasan
  • Statistik deskriptif dan rangkuman data
  • Mengidentifikasi pola dan hubungan dalam data

Pemodelan Statistik

  • Dasar-dasar inferensi statistik
  • Analisis regresi
  • Model klasifikasi

Algoritma Pembelajaran Mesin untuk Prediksi

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

Penilaian dan Seleksi Model

  • Memahami akurasi model dan metrik kinerja
  • Teknik validasi silang
  • Overfitting dan penyesuaian model

Aplikasi Praktis AI Prediktif

  • Studi kasus di berbagai industri
  • Pertimbangan etika dalam pemodelan prediktif
  • Keterbatasan dan tantangan AI Prediktif

Proyek Praktis

  • Bekerja dengan kumpulan data untuk membuat model prediktif
  • Mengaplikasikan model untuk membuat prediksi
  • Menilai dan menafsirkan hasilnya

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Memahami statistik dasar
  • Pengalaman dengan bahasa pemrograman apa pun
  • Kenyamanan dalam penanganan data dan spreadsheet
  • Tidak diperlukan pengalaman sebelumnya dalam AI atau ilmu data

Audience

  • Profesional IT
  • Analis data
  • Staf teknis
 21 Jam

Jumlah Peserta


Biaya per Peserta

Testimoni (3)

Kursus Mendatang

Kategori Terkait