Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Pengenalan Machine Learning dalam Bisnis
- Machine learning sebagai komponen inti dari Kecerdasan Buatan
- Jenis-jenis machine learning: supervised, unsupervised, reinforcement, semi-supervised
- Algoritma ML umum yang digunakan dalam aplikasi bisnis
- Tantangan, risiko, dan potensi penggunaan ML dalam AI
- Overfitting dan tradeoff bias-variansi
Teknik dan Workflow Machine Learning
- Siklus hidup Machine Learning: dari permasalahan hingga penyebaran
- Klasifikasi, regresi, clustering, deteksi anomali
- Quand menggunakan supervised vs unsupervised learning
- Pemahaman tentang reinforcement learning dalam otomatisasi bisnis
- Pertimbangan dalam pengambilan keputusan berbasis ML
Pra-pemrosesan Data dan Feature Engineering
- Persiapan data: loading, pembersihan, transformasi
- Feature engineering: encoding, transformasi, pembuatan
- Feature scaling: normalisasi, standarisasi
- Reduksi dimensi: PCA, seleksi variabel
- Analisis data eksploratori dan visualisasi data bisnis
Kasus Studi dalam Aplikasi Bisnis
- Pengembangan feature engineering lanjutan untuk prediksi yang lebih baik menggunakan regresi linier
- Analisis deret waktu dan peramalan volume penjualan bulanan: penyesuaian musiman, regresi, pemulusan eksponensial, ARIMA, jaringan saraf tiruan
- Analisis segmentasi menggunakan clustering dan self-organizing maps
- Analisis keranjang belanja dan association rule mining untuk wawasan ritel
- Klasifikasi kredit macet menggunakan regresi logistik, decision trees, XGBoost, SVM
Rangkuman dan Langkah Selanjutnya
Persyaratan
- Pemahaman dasar tentang konsep dan terminologi pembelajaran mesin
- Keterampilan dalam analisis data atau bekerja dengan dataset
- Beberapa paparan terhadap bahasa pemrograman (misalnya, Python) bermanfaat tetapi tidak wajib
Audience
- Analis bisnis dan profesional data
- Pengambil keputusan yang tertarik pada adopsi AI
- Profesional IT yang mengeksplorasi aplikasi pembelajaran mesin dalam bisnis
14 Jam
Testimoni (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Kursus - 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.
