Belajar Machine Learning untuk Pemula

Belajar Machine Learning untuk Pemula

Disusun oleh: Dicoding Indonesia Level: Pemula Estimasi: 30 jam
Teknologi:Machine Learning
Bagikan kelas ini:

Deskripsi

2021042614060916f35d115b952e8ba2949baa79615c69.jpg

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 ke-3 persiapan sertifikasi internasional TensorFlow Developer Certificate

Apa kata lulusan Dicoding Academy?

Sudah ribuan siswa yang sukses belajar di Dicoding Academy. Mau tau pendapat dari sisi mereka? Ini adalah testimoni asli mereka. Mau tahu lebih banyak? Lihat testimoni siswa lainnya.

Pertanyaan

Bila Anda memiliki pertanyaan / kendala ketika belajar di kelas ini, Anda dapat membaca pertanyaan-pertanyaan yang sering diajukan di FAQ.

Tim Reviewer

Irsan Saputra
Irsan Saputra
Course Contributor at Dicoding Indonesia
Khrisna Indrawan
Khrisna Indrawan
Head of Reviewer at Dicoding Indonesia
Dimas Catur Wibowo
Dimas Catur Wibowo
Code Reviewer at Dicoding Indonesia
  • Associate Android Developer


Adrianus Yoza A.
Adrianus Yoza A.
Data Scientist at Dicoding Indonesia
  • Google Associate Cloud Engineer Certified
  • Intel Software Innovator
  • ASEAN Future Workforce Council Country Lead - Indonesia
Agista Septiyanto
Agista Septiyanto
Code Reviewer at Dicoding Indonesia
Ahmad Emir Alfatah
Ahmad Emir Alfatah
External Code Reviewer at Dicoding Indonesia
Alfian Yusuf Abdullah
Alfian Yusuf Abdullah
Code Reviewer at Dicoding Indonesia
  • Associate Android Developer
  • Kotlin Enthusiast
  • UI/UX Enthusiast
Eko Junirianto,S.Kom, M.Cs
Eko Junirianto,S.Kom, M.Cs
External Code Reviewer at Dicoding Indonesia
Anthony Lauly
Anthony Lauly
Data Analyst at Indosat Ooredoo
  • Machine Learning Enthusiast
Fahmi Jabbar
Fahmi Jabbar
External Code Reviewer at Dicoding Indonesia
Dimas Anom Priyayi
Dimas Anom Priyayi
External Code Reviewer at Dicoding Indonesia
Alexzander Purwoko Widiantoro
Alexzander Purwoko Widiantoro
Code Reviewer at Dicoding Indonesia
  • Associate Android Developer
  • Microsoft Certified: Azure Fundamental
  • Android, Web & IoT Enthusiast
Aditya Firman Ihsan
Aditya Firman Ihsan
Tensorflow Developer Certified

Lecturer at Telkom University School of Computing

Tensorflow Developer Certified

Avicena Ilham Ghifarie
Avicena Ilham Ghifarie
Data Scientist at PayOK
  • Machine Learning Enthusiast
  • Data Science Enthusiast
Anda belum dapat mempelajari kelas ini. Yuk berlangganan sekarang agar bisa belajar di Kelas ini dan juga Kelas Dicoding Academy lainnya.

Daftar sekarang untuk dapat mengikuti pembelajaran

Daftar Sekarang

Atau Anda dapat mencoba modul gratis yang ditawarkan di Kelas ini

Coba Modul Gratis
Kunjungi Online Store Kami

Kelas ini disusun oleh:

Dicoding Indonesia
Dicoding Indonesia

Decode Ideas
Discover Potentials