Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Pengantar ke Machine Learning dalam Business
- Mesin pembelajaran sebagai komponen inti dari Kecerdasan Buatan
- Jenis-jenis mesin pembelajaran: terawasi, tidak terawasi, reformentasi, semi-terawasi
- Algoritma ML yang umum digunakan dalam aplikasi bisnis
- Tantangan, risiko, dan penggunaan potensial ML dalam AI
- Mengatasi overfitting dan trade-off bias-variance
Teknik dan Alur Kerja Machine Learning
- Lingkup hidup Machine Learning: dari masalah hingga implementasi
- Klasifikasi, regresi, klustering, deteksi anomali
- Kapan menggunakan pembelajaran terawasi vs tidak terawasi
- Mengerti pembelajaran reformentasi dalam otomatisasi bisnis
- Pertimbangan dalam pengambilan keputusan yang didorong oleh ML
Prapemrosesan Data dan Feature Engineering
- Persiapan data: memuat, membersihkan, mentransformasikan
- Feature engineering: encoding, transformasi, pembuatan fitur
- Penyekalaan fitur: normalisasi, standarisasi
- Reduksi dimensi: PCA, pemilihan variabel
- Analisis eksploratif data dan visualisasi data bisnis
Kasus Studi dalam Aplikasi Business
- Feature engineering lanjutan untuk peningkatan prediksi menggunakan regresi linier
- Analisis deret waktu dan peramalan volume penjualan bulanan: penyesuaian musiman, regresi, smoothing eksponensial, ARIMA, jaringan saraf
- Analisis segmentasi dengan klustering dan self-organizing maps
- Market basket analysis dan penambangan aturan asosiasi untuk wawasan ritel
- Klasifikasi default pelanggan menggunakan regresi logistik, pohon keputusan, XGBoost, SVM
Ringkasan dan Langkah Berikutnya
Requirements
- Pemahaman dasar tentang konsep dan terminologi pembelajaran mesin
- Ketertiban dengan analisis data atau bekerja dengan dataset
- Sedikit paparan terhadap bahasa pemrograman (misalnya Python) adalah bermanfaat tetapi tidak wajib
Audience
- Analitis dan profesional data Business
- Pemangku keputusan yang tertarik pada adopsi AI
- Profesional IT yang menjelajahi aplikasi pembelajaran mesin dalam bisnis
14 Hours
Testimonials (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Course - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.
