Course Outline

Perkenalan

  • Mendefinisikan AI Prediktif
  • Konteks sejarah dan evolusi analisis prediktif
  • Prinsip dasar pembelajaran mesin dan penambangan data

Pengumpulan dan Pemrosesan Data

  • Mengumpulkan data yang relevan
  • Membersihkan dan menyiapkan data untuk dianalisis
  • Memahami tipe dan sumber data

Eksplorasi Data Analysis (EDA)

  • Memvisualisasikan data untuk wawasan
  • Statistik deskriptif dan ringkasan data
  • Mengidentifikasi pola dan hubungan dalam data

Pemodelan Statistik

  • Dasar-dasar inferensi statistik
  • Analisis regresi
  • Model klasifikasi

Machine Learning Algoritma untuk Prediksi

  • Ikhtisar algoritma pembelajaran yang diawasi
  • Pohon keputusan dan hutan acak
  • Jaringan saraf dan dasar-dasar pembelajaran mendalam

Evaluasi dan Seleksi Model

  • Memahami akurasi model dan metrik kinerja
  • Teknik validasi silang
  • Overfitting dan penyetelan model

Aplikasi Praktis AI Prediktif

  • Studi kasus di berbagai industri
  • Pertimbangan etis dalam pemodelan prediktif
  • Keterbatasan dan tantangan AI Prediktif

Proyek Praktis

  • Bekerja dengan kumpulan data untuk membuat model prediktif
  • Menerapkan model untuk membuat prediksi
  • Mengevaluasi dan menafsirkan hasilnya

Ringkasan dan Langkah Selanjutnya

Requirements

  • Pemahaman tentang statistika dasar
  • Pengalaman dengan bahasa pemrograman apa pun
  • Keakraban dengan penanganan data dan spreadsheet
  • Tidak diperlukan pengalaman sebelumnya dalam AI atau ilmu data

Hadirin

  • profesional TI
  • Analis data
  • Staf teknis
 21 Hours

Number of participants


Price per participant

Upcoming Courses (Minimal 5 peserta)

Related Categories