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. Menurut Forbes, pasar machine learning dunia akan mengalami pertumbuhan tahunan sebesar 44%. Pasar ini akan menjadi salah satu pasar paling menguntungkan di dunia IT.

Kelas ini membahas mengenai dasar-dasar yang harus dipahami dalam pembelajaran mesin (machine learning) seperti data, model, kernel, neural networks, dan tensorflow. Kurikulum telah divalidasi IBM dan disusun oleh tim expert Dicoding bersama praktisi industri supaya materi yang disajikan terstruktur dan komprehensif.

Kenapa saya harus belajar kelas ini?

• 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 karir 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.
• Sebagai prasyarat untuk menuju kelas Belajar Pengembangan Machine Learning yang merupakan langkah berikutnya dalam learning path Machine Learning Developer.

Materi apa saja yang akan dipelajari?

• Data Introduction : Pengenalan terhadap data dan bagaimana mempersiapkannya untuk diproses dengan machine learning.
  
• Data Unsupervised & Supervised : Memahami 2 jenis machine learning yaitu unsupervised dan supervised, dengan contoh model regresi linier dan decision tree.
  
• Kernel dan Clustering : Mengenal Support Vector machine, sebuah model machine learning yang sangat populer. Di sini juga belajar tentang clustering dengan k-means.
  
• Machine Learning Basics : Memahami bagaimana menggunakan grid search untuk mencari parameter terbaik untuk sebuah model, serta bagaimana menguji kualitas sebuah model machine learning.
  
• Neural Networks : Mengenal dasar dari neural network. Akan diterangkan mengenai multi layer perceptron serta convolutional neural network dalam image classification.
  
• Tensorflow : Belajar tentang library tensorflow, sebuah powerful library yang dipakai untuk mengembangkan project machine learning.
  
• Submission : Membuat sebuah proyek Machine Learning sederhana untuk menguji pemahaman Anda terhadap materi di kelas ini.
  

Anda tentukan sendiri berapa lama waktu belajar materi kelas ini. Materi kelas didesain untuk diselesaikan dalam waktu 30 jam. Jika Anda meluangkan waktu sedikitnya 10 jam saja dalam seminggu, maka sangat dimungkinkan Anda bisa menuntaskan kelas ini dalam waktu 21 hari. Namun tidak menutup kemungkinan Anda menyelesaikan dalam waktu yang jauh lebih cepat.

Prasyarat mengikuti kelas ini adalah:

• Anda diharapkan memiliki latar belakang dan pemahaman mengenai pemrograman menggunakan Python. Jika belum, Anda bisa mempelajari kelas Memulai Pemrograman dengan Python.
  
• Anda diharapkan memiliki latar belakang dan pemahaman mengenai Visualisasi Data. Jika belum, Anda bisa mempelajari kelas Belajar Dasar Visualisasi Data.
  
• Anda diharapkan memiliki latar belakang dan pemahaman mengenai matematika dasar, seperti aljabar linear, probabilitas, dan kalkulus dasar.
  
• Anda harus mandiri, berkomitmen, benar-benar punya rasa ingin tahu dan tertarik pada subjek. 
  
• Anda harus gigih, temukan topik yang menarik, bermain-main dan mengotak-atik kode Anda. 
  
• Sebaik apa pun materi struktur kelas ini, tak akan berguna tanpa keseriusan Anda untuk belajar, berlatih, dan mencoba. 
  

Spesifikasi minimal Komputer/Laptop:

• Resolusi layar 1366 x 768 (Rekomendasi Full HD 1920 x 1080).
• Prosesor Intel Dual Core (Rekomendasi Core i3 ke atas).
• RAM 2GB (Rekomendasi 4GB).
• Sistem operasi Windows, Linux, atau MacOS.

Tools yang digunakan:

• Google Colaboratory. Cara penggunaan akan diajarkan pada kelas ini.
• Watson Studio. Cara penggunaan akan dipelajari pada kelas ini.