Course Outline

  1. Pengenalan ke Machine Learning
    • Mesin pembelajaran sebagai bagian dari Kecerdasan Buatan
    • Jenis-jenis ML
    • Algoritma ML
    • Tantangan dan potensi penggunaan ML
    • Overfitting dan trade-off bias-variance dalam ML
  2. Teknik Mesin Pembelajaran
    • Workflow Machine Learning
    • Pembelajaran terawasi – Klasifikasi, Regresi
    • Pembelajaran tidak terawasi – Pengelompokan, Deteksi anomali
    • Pembelajaran semi-terawasi dan Reinforcement Learning
    • Perhatian dalam Machine Learning
  3. Pra-pemrosesan Data
    • Persiapan data dan transformasi
    • Feature engineering
    • Penyekalaan fitur
    • Reduksi dimensi dan pemilihan variabel
    • Visualisasi data
    • Analisis eksploratif
  4. Kasus Studi
    • Feature engineering lanjutan dan dampaknya terhadap hasil dalam regresi linier untuk prediksi
    • Analisis deret waktu dan Forecasting volume penjualan bulanan - metode dasar, penyesuaian musiman, regresi, smoothing eksponensial, ARIMA, jaringan saraf
    • Analisis keranjang pasar dan penambangan aturan asosiasi
    • Analisis segmentasi menggunakan pengelompokan dan peta otomatis self-organising
    • Klasifikasi pelanggan yang mungkin gagal bayar menggunakan regresi logistik, pohon keputusan, xgboost, svm

Requirements

Knowledge and awareness of Machine Learning fundmentals

 14 Hours

Number of participants


Price per participant

Testimonials (2)

Upcoming Courses (Minimal 5 peserta)

Related Categories