Pengenalan Dasar Machine Learning dan AI untuk Pemula

About Course

Penasaran bagaimana aplikasi bisa merekomendasikan film atau lagu yang kamu sukai, atau bagaimana sistem keamanan mengenali wajahmu? Ikuti mini bootcamp GRATIS kami dan temukan jawabannya! Kamu akan mempelajari dasar-dasar Machine Learning (ML) dan Artificial Intelligence (AI), mulai dari konsep-konsep fundamental hingga penerapannya dalam kehidupan sehari-hari. Pelajari penggunaan Python untuk pemrograman ML sederhana, kenali berbagai algoritma ML dasar, dan lihat langsung bagaimana ML dan AI bekerja. Yang lebih menarik lagi, kamu akan berlatih mengerjakan proyek langsung untuk membangun portofolio yang akan memperkuat CV-mu! Daftar sekarang dan langkahkan kaki pertamamu di dunia teknologi masa depan!

Course Content

Hari 1 – Pengantar Machine Learning dan AI
Mini Bootcamp Pengenalan Dasar Machine Learning dan AI - Hari 1 akan memperkenalkan konsep dasar Artificial Intelligence (AI) dan Machine Learning (ML), menjelaskan perbedaan dan keterkaitannya, serta memberikan contoh penerapannya dalam kehidupan sehari-hari. Materi akan mencakup tiga jenis utama Machine Learning (Supervised, Unsupervised, dan Reinforcement Learning) dan tools/skill yang dibutuhkan, termasuk Python, Google Colab, dan VS Code, serta dasar-dasar matematika dan statistik yang relevan. Peserta akan mendapatkan gambaran komprehensif tentang AI dan ML untuk memulai perjalanan mereka di bidang data science.

Apa itu Machine Learning dan Artificial Intelligence?
Jenis-jenis Machine Learning
Tools dan Skill yang Diperlukan
Peluang Karier di Bidang Machine Learning
File PPT Materi Hari – 1
Link Akses Rekaman Zoom Materi Hari – 1
Post-test: Pengantar Machine Learning dan AI

Hari 2 – Dasar Pemrograman Python untuk Machine Learning
Mini Bootcamp Pengenalan Dasar Machine Learning dan AI - Hari 2 akan mendalami dasar-dasar pemrograman Python yang krusial untuk perjalananmu di dunia Machine Learning. Diawali dengan pengantar lebih lanjut tentang Python, termasuk instalasi dan penggunaan IDE seperti VS Code atau Thonny yang ramah pemula, materi akan berlanjut pada pemahaman tipe data Python (integer, float, string, boolean, list, dictionary, dan lain-lain) serta bagaimana menggunakannya secara efektif. Selanjutnya, kamu akan mempelajari struktur kontrol seperti percabangan (if-else) dan perulangan (for, while) yang esensial untuk membangun algoritma yang lebih kompleks. Puncaknya, hari ini akan memperkenalkan library-library Python yang sangat penting untuk Machine Learning, termasuk NumPy, Pandas, dan Scikit-learn, beserta cara mengimport dan memanfaatkannya. Dengan menyelesaikan Hari 2, kamu akan memiliki fondasi pemrograman Python yang kokoh untuk menghadapi tantangan Machine Learning selanjutnya, mampu menulis kode sederhana, mengolah berbagai tipe data, dan menggunakan library-library kunci untuk analisis data dan pengembangan model.

Hari 3 – Mengenal Algoritma Dalam Machine Learning

Hari 4 – Tahapan Mengolah Data Menjadi Model Machine Learning

Hari 5 – Membuat Model Prediksi Diabetes Dengan Algoritma Logistic Regression

Student Ratings & Reviews

No Review Yet

About Course

What Will You Learn?

Course Content

Apa itu Machine Learning dan Artificial Intelligence?

Jenis-jenis Machine Learning

Tools dan Skill yang Diperlukan

Peluang Karier di Bidang Machine Learning

File PPT Materi Hari – 1

Link Akses Rekaman Zoom Materi Hari – 1

Post-test: Pengantar Machine Learning dan AI

Pengantar Python

Tipe Data Pada Python

Percabangan dan Perulangan

Library Python untuk Machine Learning

File PPT Materi Hari – 2

Link Akses Rekaman Zoom Materi Hari – 2

Post-test: Dasar Pemrograman Python untuk Machine Learning

Hari 3 – Mengenal Algoritma Dalam Machine Learning

Pendahuluan

Berbagai Algoritma Dalam Machine Learning

Pentingnya Memilih Algoritma ML yang Tepat

Penerapan Algoritma ML Dalam Sebuah Studi Kasus

Post-test: Mengenal Algoritma Dalam Machine Learning

Hari 4 – Tahapan Mengolah Data Menjadi Model Machine Learning

Memilih Dataset

Import Library dan Dataset

EDA (Exploratory Data Analysis)

Preprocessing Data

Melatih dan Membangun Model

Evaluasi Model

File PPT Materi Hari – 4

Link Akses Rekaman Zoom Materi Hari – 4

Post-test: Tahapan Mengolah Data Menjadi Model Machine Learning

Hari 5 – Membuat Model Prediksi Diabetes Dengan Algoritma Logistic Regression

Pendahuluan

Akses Dataset dan Source Code Proyek Akhir

File PPT Materi Hari – 5

Link Akses Rekaman Zoom Materi Hari – 5

Pengumpulan Proyek Akhir Mini Bootcamp

Student Ratings & Reviews

Kategori

Link Cepat

Mentor Magang