Home └Machine Learning Lanjutan: Teknik dan Algoritma untuk Analisis yang Lebih Kompleks
Machine Learning Lanjutan: Teknik dan Algoritma untuk Analisis yang Lebih Kompleks

Machine Learning Lanjutan: Teknik dan Algoritma untuk Analisis yang Lebih Kompleks

Pelatihan ini dirancang untuk peserta yang sudah memiliki pengetahuan dasar dalam Machine Learning dan ingin memperdalam keterampilan mereka dalam menangani masalah yang lebih kompleks. Pelatihan ini akan membahas berbagai teknik dan algoritma lanjutan yang digunakan dalam analisis data yang kompleks.

Rp 99.99
99.99000000000001 IDR Rp 99.99
Rp 99.99
Add to Cart
Responsible Administrator
Last Update 08/14/2024
Completion Time 5 hours 30 minutes
Members 1

What you will learn

  • Review supervised dan unsupervised learning
  • Evaluasi performa model
  • Masalah-masalah umum dalam Machine Learning
  • Ensemble Methods (Bagging, Boosting, dan Stacking)
  • Support Vector Machines (SVM)
  • Gradient Boosting Machines (GBM)
  • Random Forests
  • Hyperparameter Tuning
  • Cross-Validation
  • Regularization Techniques (L1, L2)
  • Grid Search dan Random Search
  • Principal Component Analysis (PCA)
  • Linear Discriminant Analysis (LDA)
  • Feature Importance
  • Feature Selection Techniques
  • Konsep dasar Neural Networks
  • Feedforward Neural Networks
  • Convolutional Neural Networks (CNN)
  • Recurrent Neural Networks (RNN)
  • Implementasi algoritma pada dataset yang kompleks
  • Analisis hasil dan optimisasi model
  • Presentasi hasil proyek

Program Structure

  • Pendahuluan dan Review Konsep Dasar Machine Learning
    3 Lessons · 45 min
    • Review supervised dan unsupervised learning
    • Evaluasi performa model
    • Masalah-masalah umum dalam Machine Learning
  • Algoritma Lanjut dalam Machine Learning
    4 Lessons · 1 hr
    • Ensemble Methods (Bagging, Boosting, dan Stacking)
    • Support Vector Machines (SVM)
    • Gradient Boosting Machines (GBM)
    • Random Forests
  • Optimisasi dan Peningkatan Model
    4 Lessons · 1 hr
    • Hyperparameter Tuning
    • Cross-Validation
    • Regularization Techniques (L1, L2)
    • Grid Search dan Random Search
  • Pengurangan Dimensi dan Seleksi Fitur
    4 Lessons · 1 hr
    • Principal Component Analysis (PCA)
    • Linear Discriminant Analysis (LDA)
    • Feature Importance
    • Feature Selection Techniques
  • Deep Learning dan Jaringan Saraf Tiruan
    4 Lessons · 1 hr
    • Konsep dasar Neural Networks
    • Feedforward Neural Networks
    • Convolutional Neural Networks (CNN)
    • Recurrent Neural Networks (RNN)
  • Proyek Akhir dan Studi Kasus
    3 Lessons · 45 min
    • Implementasi algoritma pada dataset yang kompleks
    • Analisis hasil dan optimisasi model
    • Presentasi hasil proyek

About the course

Pelatihan ini dirancang untuk peserta yang sudah memiliki pengetahuan dasar dalam Machine Learning dan ingin memperdalam keterampilan mereka dalam menangani masalah yang lebih kompleks. Pelatihan ini akan membahas berbagai teknik dan algoritma lanjutan yang digunakan dalam analisis data yang kompleks.

Pada pelatihan ini Anda akan mempelajari:

  • Memahami teknik-teknik lanjutan dalam Machine Learning
  • Menguasai penggunaan algoritma-algoritma kompleks untuk analisis data
  • Mampu menerapkan metode optimisasi dan strategi peningkatan model
  • Memperoleh keterampilan dalam teknik-teknik pengurangan dimensi dan seleksi fitur
  • Mengerti cara kerja deep learning dan penerapannya dalam masalah yang kompleks

Metode pembelajaran dilaksanakan melalui:

  • Presentasi dan Diskusi
  • Studi Kasus
  • Latihan Praktis dan Implementasi
  • Tugas Mandiri dan Kelompok
  • Proyek Akhir

Requirements

Tidak ada persyaratan khusus untuk mengikuti pelatihan ini.

Who should take this course

Data Scientist, Analis Data, dan Praktisi IT yang sudah memiliki pengetahuan dasar dalam Machine Learning