Home » Online Training – Machine Learning dan Kecerdasan Buatan
Online Training – Machine Learning dan Kecerdasan Buatan
May 10, 2025
Jadwal Pelatihan Online Training – Machine Learning dan Kecerdasan Buatan
| Tanggal | Tempat | Kota | | Belum ada jadwal terbaru |
LATAR BELAKANG
Perkembangan teknologi informasi dan komputasi telah membawa kita pada era baru, di mana data menjadi aset utama dan kecerdasan buatan menjadi alat untuk menggali potensi dari data tersebut. Machine Learning dan AI kini diaplikasikan secara luas di berbagai bidang
seperti kesehatan, keuangan, transportasi, manufaktur, hingga pendidikan.
TUJUAN PELATIHAN
- Memberikan pemahaman dasar tentang konsep AI dan Machine Learning.
- Mengenalkan berbagai jenis algoritma pembelajaran mesin.
- Memberikan keterampilan dasar untuk membangun dan menerapkan model ML sederhana.
- Meningkatkan kesiapan peserta dalam menghadapi tantangan industri berbasis data. Sasaran Peserta
MATERI Training Online – Machine Learning dan Kecerdasan Buatan
1. Pengenalan AI dan Machine Learning
- Apa itu AI, Machine Learning, dan Deep Learning?
- Perbedaan AI simbolik vs. AI modern
- Kategori Machine Learning: Supervised, Unsupervised, Reinforcement Learning
- Contoh penerapan nyata
2. Dasar-Dasar Statistik dan Matematika ML
- Distribusi probabilitas
- Mean, median, mode, standar deviasi
- Regresi linear sederhana
- Konsep vektor dan matriks dalam ML
3. Persiapan Data (Data Preprocessing)
- Data cleaning: missing values, outliers
- Feature selection & feature engineering
- Normalisasi dan standarisasi data
- Tools: Pandas, NumPy
4. Model Supervised Learning
- Regresi (Linear, Polynomial)
- Klasifikasi (KNN, Decision Tree, Random Forest, Naive Bayes)
- Evaluasi model: Confusion Matrix, Precision, Recall, F1-score
5. Model Unsupervised Learning
- Clustering (K-Means, Hierarchical Clustering)
- Dimensionality Reduction (PCA)
- Visualisasi hasil clustering
6. Pengenalan Deep Learning
- Arsitektur Jaringan Saraf Tiruan (ANN)
- Peran dan cara kerja neuron buatan
- Framework: TensorFlow, Keras, PyTorch (pengantar)
7. Proyek Mini (Capstone Project)
- Studi kasus sederhana: prediksi harga rumah, klasifikasi gambar sederhana, dll.
- Kolaborasi dan presentasi hasil kerja
8. Etika dan Tantangan AI
- Isu bias dalam AI
- Privasi data
- Dampak sosial dan ekonomi
