Pengenalan Machine Learning dan Implementasi

About this course

Kursus ini memberikan pengantar yang komprehensif mengenai Machine Learning (ML), salah satu cabang utama dari kecerdasan buatan yang memungkinkan sistem belajar dari data dan membuat prediksi tanpa harus diprogram secara eksplisit. Kursus dimulai dengan pemahaman konsep dasar ML serta perbedaannya dengan pendekatan pemrograman tradisional. Selanjutnya, peserta akan dikenalkan pada tiga pendekatan utama dalam ML yakni supervised learning, unsupervised learning, dan reinforcement learning, beserta contoh aplikasinya dalam kehidupan nyata.

Fokus utama kursus ini adalah memberikan landasan yang kuat dalam pengolahan data dan penggunaan algoritma dasar seperti regresi linear, klasifikasi menggunakan Decision Tree atau Random Forest, serta clustering dengan K-Means. Peserta akan diajarkan bagaimana menyiapkan data, melakukan preprocessing seperti normalisasi dan encoding, serta membagi dataset ke dalam data latih dan data uji. Evaluasi model dilakukan dengan metrik-metrik penting seperti akurasi, precision, recall, dan F1-score untuk memastikan model bekerja optimal dan tidak mengalami overfitting atau underfitting.

Implementasi dilakukan menggunakan Python dan berbagai library populer seperti Scikit-learn, Pandas, dan Matplotlib. Ada dua contoh studi kasus praktis pada kursus ini yakni terkait prediksi harga rumah dan klasifikasi sentimen ulasan produk. Setelah itu, peserta akan mempelajari proses deployment model ML menggunakan Pickle atau Joblib serta membangun API dengan Flask, sehingga model dapat diintegrasikan dalam aplikasi web.

Sebagai penutup, kursus ini membahas tren terbaru dalam dunia ML seperti AI generatif, Explainable AI (XAI), dan Edge AI yang memungkinkan pemrosesan langsung di perangkat lokal. Jadi, kursus ini dirancang untuk pemula yang ingin memahami konsep dasar ML.

What you will learn