Developer Academy: Machine Learning Terapan

4.87 •

Machine Learning

Learning Path

Machine Learning Terapan

Teknologi:

Machine Learning

Level: Mahir

Level: Mahir 40 Jam Belajar

2.024

Siswa Terdaftar

Pelajari penerapan machine learning dengan real-world projects mulai dari predictive analytics, sentiment analysis, dan sistem rekomendasi.

Belajar Sekarang

Informasi kelas Lihat silabus

Learning Path Machine Learning Developer

Kelas ini merupakan langkah ke-lima Anda untuk menjadi Machine Learning Developer.

Langkah sebelumnya

Langkah 4

Belajar Pengembangan Machine Learning

40 Jam 4,83 Level Menengah

Langkah setelahnya

Langkah 6

Machine Learning Operations (MLOps)

45 Jam 4,23 Level Mahir

Apa yang akan Anda dapatkan

Sertifikat

Dapatkan sertifikat standar industri setelah menyelesaikan kelas ini.

Code Review

Kode yang Anda kerjakan akan di-review secara komprehensif oleh Reviewer.

Forum Diskusi

Diskusikan materi belajar dengan siswa lainnya.

Modul Tutorial

Materi bacaan elektronik disajikan dengan bahasa yang mudah dipahami.

Submission

Uji kemampuan teknis Anda dengan mengerjakan tugas submission.

Kuis

Kuis pilihan ganda membantu Anda memahami materi yang dipelajari.

Ujian

Validasi pengetahuan Anda dengan mengerjakan soal-soal ujian.

Level Mahir
Menguasai materi dan latihan tingkat lanjut. Kelas ini mensyaratkan sejumlah penguasaan landasan pengetahuan yang baik.

Deskripsi

Menurut riset yang berjudul 2020 Emerging Job Report, trend perekrutan untuk peran AI specialist tumbuh 74% selama 4 tahun terakhir. AI specialist dinobatkan sebagai peringkat pertama the most emerging job in the US in 2020. Di Indonesia, AI specialist juga menempati urutan pertama. Hal ini karena otomatisasi telah mengubah cara orang hidup dan bekerja setiap harinya. Posisi Machine Learning Developer sangat dicari. Sehingga, di Amerika, posisi ini bisa mendapatkan pekerjaan senilai Rp 1,9 miliar per tahun (Kompas).

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 karena jumlah praktisi yang masih sedikit sehingga peluangnya masih sangat besar.
Pemahaman tentang Machine Learning, TensorFlow, dan Keras adalah keharusan untuk menjadi seorang Machine Learning Developer ataupun Data Scientist.
Mengerjakan proyek-proyek Machine Learning sebagai portofolio merupakan keahlian yang harus dimiliki untuk mereka yang ingin memulai karier menjadi Machine Learning Developer.

Target dan Sasaran Siswa

Kelas ditujukan bagi machine learning developer yang ingin mempelajari tentang terapan machine learning di berbagai bidang, model predictive analytics, sentiment analisis, computer vision, serta sistem rekomendasi dengan standar mengacu pada standar kompetensi industri.
Kelas dapat diikuti oleh siswa yang melek IT sehingga wajib memiliki dan dapat mengoperasikan komputer dengan baik.
Kelas ini didesain untuk siswa yang sudah memiliki pengetahuan dasar mengenai machine learning, seperti supervised dan unsupervised learning, SVM, neural network, dan deployment.
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 membuat model predictive analytics untuk bisnis dan marketing, sentiment analysis, computer vision untuk pengenalan gambar dan deteksi objek pada gambar, serta sistem rekomendasi.

Selengkapnya

Sembunyikan

Learning Path

Kelas ini merupakan langkah ke-lima Anda untuk menjadi Machine Learning Developer.

Langkah sebelumnya

Langkah 4

Belajar Pengembangan Machine Learning

40 Jam 4,83 Level Menengah

Langkah setelahnya

Langkah 6

Machine Learning Operations (MLOps)

45 Jam 4,23 Level Mahir

Peralatan Belajar

Spesifikasi minimal perangkat:

Prosesor

Intel Dual Core (Rekomendasi Core i3 ke atas)

Tools yang dibutuhkan untuk belajar:

Google Colaboratory

Lihat semua peralatan belajar

Peralatan Belajar

Spesifikasi minimal perangkat

Kelas ini membutuhkan spesifikasi perangkat seperti berikut:

RAM

2GB (Rekomendasi 4GB)

Layar

1366 x 768 (Rekomendasi Full HD 1920 x 1080)

Sistem Operasi

Windows, Linux, MacOS

Prosesor

Intel Dual Core (Rekomendasi Core i3 ke atas)

Tools

Kelas ini membutuhkan beberapa tools berikut:

Google Colaboratory

Metode Ajar

Online - Self-paced Learning
- Total jam belajar : 40 jam
- Rekomendasi waktu belajar : 10 jam per minggu (selesai dalam 28 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 :
- Ujian akhir kelas
- Submission (proyek akhir) berupa pembuatan model dan laporan proyek machine learning untuk Sistem Rekomendasi menggunakan beberapa pendekatan seperti Content-based Filtering atau Collaborative Filtering.
Sertifikat kompetensi

Lihat semua metode ajar

Metode Ajar

Online - Self-paced Learning
- Total jam belajar : 40 jam
- Rekomendasi waktu belajar : 10 jam per minggu (selesai dalam 28 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 :
- Ujian akhir kelas
- Submission (proyek akhir) berupa pembuatan model dan laporan proyek machine learning untuk Sistem Rekomendasi menggunakan beberapa pendekatan seperti Content-based Filtering atau Collaborative Filtering.
Sertifikat kompetensi

Kontributor

Curriculum Developer yang membangun kelas ini:

Tia Dwi Setiani

Curriculum Developer at Dicoding Indonesia

Reviewer

Code Reviewer yang akan me-review tugas dan kode Anda:

Ahmad dari Dicoding

Managing Editor at Dicoding Indonesia

Associate Android Developer

Nanang Sutisna

- Mobile & Web Enthusiast

- External Code Reviewer at Dicoding Indonesia

Gabril Hozanna

Data Warehouse Engineer at Gojek

Data Enthusiast

Fahmi Jabbar

External Code Reviewer at Dicoding Indonesia

Certified TensorFlow Developer

Zanuar Ekaputra Rus'an

Software Engineer, Reviewer at Dicoding Indonesia

Multi-stack Engineer.
Certified TensorFlow Developer.

Lihat semua kontributor dan reviewer

Kontributor & Reviewer

Kontributor kelas

Curriculum Developer yang membangun kelas ini:

Tia Dwi Setiani

Curriculum Developer at Dicoding Indonesia

Tim Reviewer

Code Reviewer yang akan me-review tugas dan kode Anda:

Ahmad dari Dicoding

Managing Editor at Dicoding Indonesia

Associate Android Developer

Nanang Sutisna

- Mobile & Web Enthusiast

- External Code Reviewer at Dicoding Indonesia

Gabril Hozanna

Data Warehouse Engineer at Gojek

Data Enthusiast

Fahmi Jabbar

External Code Reviewer at Dicoding Indonesia

Certified TensorFlow Developer

Zanuar Ekaputra Rus'an

Software Engineer, Reviewer at Dicoding Indonesia

Multi-stack Engineer.
Certified TensorFlow Developer.

Mellania Permata Sylvie

External Reviewer Machine Learning di Dicoding

Information system student, Machine Learning Enthusiasm, and Tensorflow Developer Certified

Gusti Muhammad Aulia Nur Sulthan

Hallo Semua.

Perkenalkan nama saya Gusti Muhammad Aulia Nur Sulthan biasa di panggil tann. saat ini saya mahasiswa tingkat akhir. saya sangat tertarik dibidang Artificial Intelligence dan sedang berfokus di Natural language processing.

saya sangat open untuk kolaborasi khususnya di machine learning.

Rifky Bujana Bisri

Undergraduate Student at University of British Columbia

- Artificial Intelligence Enthusiast

- LinkedIn

- Github

- Hugging Face

Aditya Firman Ihsan

Tensorflow Developer Certified

Lecturer at Telkom University School of Computing

Tensorflow Developer Certified

Aninditya Anggari Nuryono

External Code Reviewer at Dicoding Indonesia

Lecturer & Researcher in Machine Learning & Robotics
TensorFlow Developer Certified
Linked

Sarah Salsabila

Ex-Reviewer at Dicoding Indonesia

Computer Science Student , Machine Learning and Data Science Enthusias

Ni Made Yuli Cahyani

* Machine Learning and Data Enthusiast

* Dicoding Graduate

* Bangkit 2021 Graduate

Tia Dwi Setiani

Curriculum Developer at Dicoding Indonesia

Certified Tensorflow Developer

Louis Aldorio

External Code Reviewer at Dicoding Indonesia

Machine Learning Enthusiast And Software Engineer specialized in GO

Rahmat Fajri

Curriculum Developer at Dicoding Indonesia

TensorFlow Developer Certified

Ahmad dari Dicoding

Managing Editor at Dicoding Indonesia

Associate Android Developer

Nanang Sutisna

- Mobile & Web Enthusiast

- External Code Reviewer at Dicoding Indonesia

Gabril Hozanna

Data Warehouse Engineer at Gojek

Data Enthusiast

Fahmi Jabbar

External Code Reviewer at Dicoding Indonesia

Certified TensorFlow Developer

Zanuar Ekaputra Rus'an

Software Engineer, Reviewer at Dicoding Indonesia

Multi-stack Engineer.
Certified TensorFlow Developer.

Mellania Permata Sylvie

External Reviewer Machine Learning di Dicoding

Information system student, Machine Learning Enthusiasm, and Tensorflow Developer Certified

Gusti Muhammad Aulia Nur Sulthan

Hallo Semua.

saya sangat open untuk kolaborasi khususnya di machine learning.

Rifky Bujana Bisri

Undergraduate Student at University of British Columbia

- Artificial Intelligence Enthusiast

- LinkedIn

- Github

- Hugging Face

Aditya Firman Ihsan

Tensorflow Developer Certified

Lecturer at Telkom University School of Computing

Tensorflow Developer Certified

Aninditya Anggari Nuryono

External Code Reviewer at Dicoding Indonesia

Lecturer & Researcher in Machine Learning & Robotics
TensorFlow Developer Certified
Linked

Sarah Salsabila

Ex-Reviewer at Dicoding Indonesia

Computer Science Student , Machine Learning and Data Science Enthusias

Ni Made Yuli Cahyani

* Machine Learning and Data Enthusiast

* Dicoding Graduate

* Bangkit 2021 Graduate

Tia Dwi Setiani

Curriculum Developer at Dicoding Indonesia

Certified Tensorflow Developer

Louis Aldorio

External Code Reviewer at Dicoding Indonesia

Machine Learning Enthusiast And Software Engineer specialized in GO

Rahmat Fajri

Curriculum Developer at Dicoding Indonesia

TensorFlow Developer Certified

Testimoni Siswa

Ribuan siswa sukses belajar di Dicoding Academy. Apa kata mereka? Berikut adalah testimoni asli mereka.

Danar Dono

Institut Sains dan Teknologi Terpadu Surabaya

Memulai Dasar Pemrograman untuk Menjadi Pengembang Software

Di kelas ini, akan diajarkan bagaimana konsep dasar pemograman. Saya sendiri merasa (seperti mengulas) kembali belajar mata kuliah algoritma 1, namun materinya disampaikan secara interaktif dan menyeyangkan sehingga relatif lebih cepat paham. Terima kasih Dicoding.

Baca selengkapnya

Muhammad Rafli

Universitas Padjadjaran

Memulai Dasar Pemrograman untuk Menjadi Pengembang Software

Kelas ini benar-benar memberikan pemahaman yang baik tentang pemrograman. Dengan bahasa yang menarik, mudah dipahami, dan sedikit humor, saya selaku orang non-IT dapat memahami kelas ini dengan baik. Terima kasih Dicoding.

Baca selengkapnya

Lihat semua testimoni

Testimoni Siswa

Danar Dono

Institut Sains dan Teknologi Terpadu Surabaya

Memulai Dasar Pemrograman untuk Menjadi Pengembang Software

Di kelas ini, Anda akan diajarkan bagaimana konsep dasar pemograman. Saya sendiri merasa (seperti mengulas) kembali belajar mata kuliah algoritma 1, namun materinya disampaikan secara interaktif dan menyeyangkan sehingga relatif lebih cepat paham. Terima kasih dicoding atas materi pembelajarannya. Salam.

Muhammad Rafli

Universitas Padjadjaran

Memulai Dasar Pemrograman untuk Menjadi Pengembang Software

Thifal Nurrifqi Ariel Kurniawan

Universitas Pendidikan Indonesia

Memulai Dasar Pemrograman untuk Menjadi Pengembang Software

Kelas ini sangat informatif dan bermanfaat bagi siapapun yang hendak memulai langkah di dunia pemrograman. Hal ini dikarenakan media dan pendekatan yang digunakan menjadikan saya mudah memahami tentang pemrograman dari 0 dan tidak buta arah untuk menentukan langkah selanjutnya.

Timotius Haniel

Boston Consulting Group

Memulai Dasar Pemrograman untuk Menjadi Pengembang Software

Melalui kelas Basic Programming 101, Saya menyadari bahwa betapa pentingnya basic yang kuat bagi seorang developer. Melalui basic yang kuat, seorang programmer dapat lebih mudah mengembangkan setiap software yang akan dibangun. "Bangunan yang tinggi dan besar, pasti memiliki pondasi yang kokoh"

Punya pertanyaan seputar kelas ini?

Berikut adalah beberapa pertanyaan yang paling sering ditanyakan.

Bagaimana cara memasukkan token Academy? Aturan membuat pertanyaan di forum diskusi kelas Bagaimana cara mencetak sertifikat kelulusan kelas?

Lihat semua FAQ

Silabus

Materi yang akan Anda pelajari pada kelas ini.

Persiapan Belajar

Memahami HAKI, mekanisme belajar, forum diskusi, glosarium, dan daftar referensi.

7 Artikel

57 menit

Persetujuan Hak Cipta

2 Menit
Prasyarat Kemampuan

5 Menit
Prasyarat Tools

5 Menit
Mekanisme Belajar

10 Menit
Forum Diskusi

20 Menit
Glosarium

10 Menit
Daftar Referensi

5 Menit

Machine Learning System Design

Mempelajari tahapan-tahapan dalam menyusun sistem machine learning dan memahami desain sistem machine learning.

9 Artikel
1 Ujian

180 menit

Pengenalan Machine Learning System Design

15 Menit
Sistem Machine Learning di Dunia Riset/Akademik versus Industri

15 Menit
Persyaratan Machine Learning System Design

20 Menit
Alur Proyek Machine Learning di Industri

20 Menit
Infrastruktur Machine Learning

20 Menit
Data Engineering

20 Menit
Model Development

20 Menit
Deployment dan Monitoring

30 Menit
Rangkuman Machine Learning System Design

10 Menit
Kuis Machine Learning System Design

10 Menit

Menyusun Proyek Machine Learning

Mempelajari bagaimana tahapan dalam menyusun proyek machine learning, mampu mengomunikasikan dan memublikasikan proyek machine learning untuk membangun portofolio.

6 Artikel
1 Ujian

105 menit

Pendahuluan Menyusun Proyek Machine Learning

10 Menit
Ide Portofolio Machine Learning

15 Menit
Struktur Proyek Machine Learning

20 Menit
Technical Writing

20 Menit
Publikasi Proyek Machine Learning

20 Menit
Rangkuman Menyusun Proyek Machine Learning

10 Menit
Kuis Menyusun Proyek Machine Learning

10 Menit

Studi Kasus Pertama : Predictive Analytics

Mempelajari algoritma k-Nearest Neighbor, Random Forest, dan AdaBoost serta penerapannya untuk kasus predictive analytics.

16 Artikel
1 Ujian

270 menit

Pendahuluan Studi Kasus Pertama: Predictive Analytics

10 Menit
Predictive Analytics Lifecycle

10 Menit
Business Understanding

10 Menit
Data Understanding

10 Menit
Data Loading

10 Menit
Exploratory Data Analysis - Deskripsi Variabel

15 Menit
Exploratory Data Analysis - Menangani Missing Value dan Outliers

20 Menit
Exploratory Data Analysis - Univariate Analysis

20 Menit
Exploratory Data Analysis - Multivariate Analysis

20 Menit
Data Preparation

40 Menit
Model Development

5 Menit
Model Development dengan K-Nearest Neighbor

20 Menit
Model Development dengan Random Forest

20 Menit
Model Development dengan Boosting Algorithm

20 Menit
Evaluasi Model

20 Menit
Rangkuman Studi Kasus Pertama: Predictive Analytics

10 Menit
Kuis Predictive Analytics

10 Menit

Studi Kasus Kedua : Sentiment Analysis

Mempelajari bagaimana membuat model analisis sentimen dengan teknik Deep Learning dan Support Vector Machine.

25 Artikel
1 Ujian

400 menit

Pendahuluan Studi Kasus Kedua: Sentiment Analysis

10 Menit
Pengenalan Natural Language Processing (NLP)

10 Menit
Aplikasi Natural Language Processing di Dunia Nyata

10 Menit
Teknik Natural Language Processing

10 Menit
Tantangan Natural Language Processing

10 Menit
Natural Language Processing Pipeline

10 Menit
Akuisisi Data

20 Menit
Text Cleaning dan Pre-processing

15 Menit
Feature Engineering untuk Representasi Teks

20 Menit
Analisis Sentimen dengan Deep Learning

5 Menit
Pengenalan IndoNLU

15 Menit
Pengenalan Library PyTorch

20 Menit
Dataset Analisis Sentimen IndoNLU

15 Menit
Analisis Sentimen dengan Deep Learning

20 Menit
Konfigurasi dan Load Pre-trained Model

20 Menit
Persiapan Dataset Analisis Sentimen

30 Menit
Uji Model dengan Contoh Kalimat

10 Menit
Fine Tuning dan Evaluasi

30 Menit
Prediksi Sentimen

10 Menit
Analisis Sentimen dengan Support Vector Machine (SVM)

10 Menit
Implementasi SVM untuk Analisis Sentimen pada Data IndoNLU

20 Menit
Analisis Data

20 Menit
Feature Engineering dengan TF-IDF

20 Menit
Klasifikasi Sentimen dengan Support Vector Machine

20 Menit
Rangkuman Studi Kasus Kedua: Sentiment Analysis

10 Menit
Kuis Sentiment Analysis

10 Menit

Proyek Pertama

Menguji pemahaman peserta dalam membuat proyek machine learning dengan tema Predictive Analytics, membuat laporan proyek dengan prinsip CRISP-DM, dan membuat laporan proyek berformat .md atau .txt

3 Artikel
1 Submission

360 menit

Proyek Pertama : Predictive Analytics

20 Menit
Proyek Pertama Kriteria Submission

10 Menit
Detail Laporan

10 Menit
Proyek Pertama Kirim Submission dan Review

320 Menit

Studi Kasus Ketiga : Computer Vision

Mempelajari teknik computer vision untuk pengenalan gambar dan deteksi objek pada gambar.

13 Artikel
1 Ujian

275 menit

Pendahuluan Studi Kasus Ketiga: Computer Vision

10 Menit
Pengenalan Computer Vision

10 Menit
Penerapan Computer Vision di Industri

15 Menit
Teknik Pengenalan Objek (Object Recognition)

10 Menit
Membuat Model Klasifikasi Rambu Lalu Lintas

15 Menit
Eksplorasi Data

30 Menit
Training dengan Convolutional Neural Network

60 Menit
Testing Model

20 Menit
Pengenalan Object Detection

5 Menit
Teknik-teknik Object Detection

30 Menit
Detektor Wajah pada Gambar

20 Menit
Membuat Detektor Wajah dengan Algoritma Haar Cascade

30 Menit
Rangkuman Studi Kasus Ketiga: Computer Vision

10 Menit
Kuis Computer Vision

10 Menit

Studi Kasus Keempat : Sistem Rekomendasi

Mempelajari metode yang digunakan dalam Sistem Rekomendasi serta mampu membuat proyek Sistem Rekomendasi.

17 Artikel
1 Ujian

295 menit

Pendahuluan Studi Kasus Keempat: Sistem Rekomendasi

10 Menit
Pengenalan Sistem Rekomendasi

10 Menit
Mengapa Sistem Rekomendasi Penting?

10 Menit
Taksonomi Sistem Rekomendasi

10 Menit
Content Based Filtering

5 Menit
Collaborative Filtering

15 Menit
Hybrid Recommender System

5 Menit
Data untuk Sistem Rekomendasi

10 Menit
Similarity Measure

15 Menit
Latihan Membuat Proyek Sistem Rekomendasi

15 Menit
Univariate Exploratory Data Analysis

30 Menit
Data Preprocessing

30 Menit
Data Preparation

30 Menit
Model Development dengan Content Based Filtering

30 Menit
Model Development dengan Collaborative Filtering

30 Menit
Proses Training

20 Menit
Rangkuman Studi Kasus Keempat: Sistem Rekomendasi

10 Menit
Kuis Sistem Rekomendasi

10 Menit

Penutup

Menguji pemahaman peserta mengenai keseluruhan materi Machine Learning Terapan melalui ujian 20 pertanyaan yang diambil acak dari 50 pertanyaan dengan nilai minimum kelulusan 75%.

1 Artikel
1 Ujian

88 menit

Rangkuman Kelas

28 Menit
Ujian Akhir Kelas

60 Menit

Proyek Akhir

Menguji pemahaman peserta dalam membuat proyek machine learning dengan tema Sistem Rekomendasi, membuat laporan proyek, dan membuat laporan proyek dalam format .md atau .txt