🔎 Overview #
Kursus ini memberikan pemahaman dasar tentang konsep dan teknik Machine Learning (ML) yang menjadi fondasi untuk pengembangan kecerdasan buatan. Peserta akan mempelajari teori, algoritma, hingga praktik implementasi menggunakan Python dan library populer. Kursus ini cocok untuk calon AI Engineer, Data Scientist, maupun profesional yang ingin memahami dasar ML.
📚 Struktur Silabus #
Modul 1: Pengenalan Machine Learning #
- Apa itu Machine Learning dan perbedaannya dengan AI & Data Science
- Jenis-jenis Machine Learning (Supervised, Unsupervised, Reinforcement Learning)
- Workflow proyek ML
Modul 2: Data Preparation untuk Machine Learning #
- Data cleaning dan preprocessing
- Feature scaling & encoding
- Train-test split & cross-validation
Modul 3: Supervised Learning – Regresi #
- Konsep regresi linier & regresi logistik
- Implementasi regresi dengan scikit-learn
- Evaluasi model (MAE, RMSE, R², Accuracy, Precision, Recall, F1-score)
Modul 4: Supervised Learning – Klasifikasi #
- Decision Tree, Random Forest, KNN, SVM
- Implementasi model klasifikasi
- Confusion matrix & ROC curve
Modul 5: Unsupervised Learning #
- Clustering (K-Means, Hierarchical Clustering)
- Dimensionality Reduction (PCA)
- Evaluasi hasil clustering
Modul 6: Model Evaluation & Tuning #
- Bias-variance tradeoff
- Hyperparameter tuning (Grid Search, Random Search)
- Overfitting & underfitting
Modul 7: Pengenalan Deep Learning (Opsional) #
- Konsep neural network
- Perbedaan ML klasik vs Deep Learning
- Framework populer (TensorFlow, PyTorch – pengenalan singkat)
Modul 8: Mini Project Machine Learning #
- Studi kasus: Prediksi harga rumah, klasifikasi gambar sederhana, atau sentiment analysis
- Membuat pipeline end-to-end dari data preprocessing hingga evaluasi model
🛠️ Tools & Software #
- Python (versi terbaru)
- Jupyter Notebook
- Scikit-learn (ML library utama)
- Pandas & NumPy (data manipulation)
- Matplotlib & Seaborn (visualisasi data)
- (Opsional) TensorFlow / PyTorch untuk pengenalan Deep Learning
🎯 Output Kompetensi #
Setelah menyelesaikan kursus ini, peserta mampu:
✅ Memahami konsep dasar Machine Learning dan alur kerjanya
✅ Mengolah data untuk keperluan ML (cleaning, encoding, scaling)
✅ Menerapkan algoritma supervised & unsupervised learning
✅ Mengevaluasi model ML dengan metrik yang tepat
✅ Melakukan hyperparameter tuning untuk meningkatkan performa model
✅ Membuat proyek kecil end-to-end dengan ML
⏳ Durasi Kursus #
- Total: 16 Jam (2x sesi @ 8 jam)
- Mode: Online/Offline
💰 Biaya Kursus #
- Kelas Private: Rp 2.000.000
- Kelas Reguler: Rp 1.000.000
