Deskripsi

Data sudah menjadi komoditi yang laku untuk diperjual-belikan. Sangat penting untuk mengetahui bagaimana data dapat diproses karena dengan pemrosesan data inilah suatu data yang banyak dapat dijadikan sebagai informasi yang bernilai tinggi. Salah satu pekerjaan yang berhubungan dengan pemrosesan data ini adalah Machine Learning Developer yang memiliki pengetahuan untuk menggunakan pembelajaran mesin untuk mengenali pattern yang tersembunyi di antara banyak data dan bagaimana menggunakannya. Sebagai contoh, 75% dari pengguna Netflix memilih film berdasarkan rekomendasi algoritma machine learning aplikasi tersebut.

• Machine Learning dapat digunakan untuk meningkatkan efisiensi dari berbagai pekerjaan.
• Machine Learning dapat diimplementasikan ke berbagai industri dan berbagai jenis data sehingga kegunaannya sangat luas.
  
• Banyak perusahaan memiliki jumlah data yang sangat besar sehingga perlu diproses dengan machine learning untuk mendapatkan informasi yang berarti.
  
• Kebutuhan karier di bidang Machine Learning sangatlah tinggi dan jumlah praktisinya juga masih sedikit sehingga peluangnya masih sangat besar.
  
• Pemahaman tentang machine learning adalah keharusan untuk menjadi seorang Machine Learning Developer ataupun Data Scientist.

Target dan Sasaran Siswa

• Kelas ditujukan bagi pemula yang ingin memulai kariernya di bidang machine learning dengan mengacu pada standar kompetensi industri.
• Kelas dapat diikuti oleh siswa yang melek IT sehingga wajib memiliki dan dapat mengoperasikan komputer dengan baik.
  
• Anda diharapkan memiliki latar belakang dan pemahaman mengenai matematika dasar, seperti aljabar linear, probabilitas, dan kalkulus dasar.
  
• Siswa harus bisa belajar mandiri, berkomitmen, benar-benar punya rasa ingin tahu, dan tertarik pada subjek materi, karena sebaik apa pun materi kelas ini, tidak akan berguna tanpa keseriusan siswa untuk belajar, berlatih, dan mencoba.
  
• Di akhir kelas, siswa dapat belajar materi dasar dan algoritma-algoritma Machine Learning, serta mampu mengimplementasikannya dalam membuat model Machine Learning untuk memproses data.
  

Silabus

• Pengenalan Data : Pengenalan ke machine learning dan teknik-teknik untuk pengolahan data, seperti data collecting, data cleaning, dan data processing. (7 jam 30 menit)
• Supervised dan Unsupervised Learning : Memahami 2 jenis machine learning yaitu supervised dan unsupervised learning, dengan contoh model regresi linear dan decision tree. (4 jam 35 menit)
  
• Support Vector Machine (SVM) : Menjelaskan tentang SVM, salah satu model machine learning yang populer. Di sini juga akan belajar tentang clustering dengan k-means. (2 jam 35 menit)
  
• Dasar-Dasar Machine Learning : Menjelaskan tentang alur kerja (workflow) dari suatu proyek machine learning, dan juga menjelaskan overfitting, underfitting, dan model selection. (2 jam 40 menit)
  
• Neural Network : Belajar mengenal dasar dari neural network. Akan diterangkan mengenai multi layer perceptron serta convolutional neural network dalam image classification. (2 jam 5 menit)
  
• TensorFlow : Belajar tentang library TensorFlow, sebuah powerful library yang dipakai untuk mengembangkan project machine learning. (4 jam 5 menit)

Metode Ajar

• Online - Self-paced Learning
  • Total jam belajar : 30 jam
    
  • Rekomendasi waktu belajar : 10 jam per minggu (selesai dalam 21 hari) 
  • Anda tentukan sendiri berapa lama waktu yang akan digunakan untuk belajar materi kelas ini selama masih aktif terdaftar pada kelas
    
• Fasilitas Pengajaran
  
  • Materi bacaan elektronik : Materi akan disajikan dalam bentuk teks dan bacaan 
  • Forum diskusi : Setiap kelas memiliki sebuah forum diskusi yang dapat Anda gunakan untuk bertanya dan berdiskusi 
  • Evaluasi pembelajaran : Submission (proyek akhir) berupa pembuatan model machine learning untuk klasifikasi gambar
• Sertifikat kompetensi

Peralatan Belajar

• Siswa wajib memiliki akses internet melalui komputer yang menggunakan Windows/Mac/Linux
  
• Spesifikasi minimal komputer milik siswa
  
  • Sistem operasi : Windows, Linux, atau MacOS 
  • Prosesor : Intel Dual Core (Rekomendasi Core i3 ke atas)
    
  • RAM : 2GB (Rekomendasi 4GB) 
  • Resolusi layar : 1366 x 768 (Rekomendasi Full HD 1920 x 1080)
    
• Software
  
  • Google Colaboratory : Cara penggunaan akan diajarkan pada kelas ini.
  • Watson Studio : Cara penggunaan akan dipelajari pada kelas ini.

Alur Belajar

Langkah ke-3 Machine Learning Developer

• Langkah sebelumnya : Memulai Pemrograman dengan Python
  
• Langkah setelahnya : Belajar Pengembangan Machine Learning
  

Langkah ke-3 persiapan sertifikasi internasional TensorFlow Developer Certificate

• Langkah ke-1 : Belajar Visualisasi Data
  
• Langkah ke-2 : Memulai Pemrograman dengan Python
  
• Langkah ke-3 : Belajar Machine Learning untuk Pemula
  
• Langkah ke-4 : Belajar Pengembangan Machine Learning
  
• Langkah ke-5 : Simulasi Ujian TensorFlow Developer Certificate
  
• Langkah terakhir (ujian sertifikasi) : TensorFlow Developer Certificate