Course Outline

Fondasi Machine Learning

  • Pengenalan konsep dan alur kerja Machine Learning
  • Pembelajaran dengan pengawasan vs. pembelajaran tanpa pengawasan
  • Mengevaluasi model pembelajaran mesin: metrik dan teknik

Metode Bayesian

  • Naive Bayes dan model multinomial
  • Analisis data kategoris Bayesian
  • Model grafis Bayesian

Teknik Regresi

  • Regresi linier
  • Regresi logistik
  • Model Linier Umum (GLM)
  • Model campuran dan model aditif

Pengurangan Dimensionalitas

  • Analisis Komponen Utama (PCA)
  • Analisis Faktor (FA)
  • Analisis Komponen Independen (ICA)

Metode Klasifikasi

  • K-Tetangga Terdekat (KNN)
  • Mesin Vektor Pendukung (SVM) untuk regresi dan klasifikasi
  • Model penguat dan ansambel

Neural Networks

  • Pengantar jaringan saraf
  • Aplikasi pembelajaran mendalam dalam klasifikasi dan regresi
  • Pelatihan dan penyetelan jaringan saraf

Algoritma dan Model Lanjutan

  • Model Markov Tersembunyi (HMM)
  • Model Ruang Keadaan
  • Algoritma EM

Teknik Pengelompokan

  • Pengantar pengelompokan dan pembelajaran tanpa pengawasan
  • Algoritma pengelompokan populer: K-Means, Pengelompokan Hirarkis
  • Kasus penggunaan dan aplikasi praktis pengelompokan

Ringkasan dan Langkah Berikutnya

Requirements

  • Pemahaman dasar tentang statistik dan analisis data
  • Programming pengalaman dalam R, Python, atau bahasa pemrograman relevan lainnya

Hadirin

  • Ilmuwan data
  • Ahli Statistik
 14 Hours

Number of participants


Price per participant

Testimonials (5)

Upcoming Courses (Minimal 5 peserta)

Related Categories