News Classification adalah sebuah metode, teknik, dan alat tentang mendeteksi dan mengekstraksi informasi dari sebuah artikel berita dan mengelompokkannya ke dalam kategori yang sesuai dengan isi berita tersebut. Dalam membuat model News Classification dengan Deep Learning, terdapat beberapa tahap diantaranya adalah melakukan preprocessing dan merepresentasikan data teks ke dalam bentuk numerik atau yang biasa disebut dengan vektorisasi. Hasil vektorisasi tersebut nantinya akan digunakan sebagai vektor masukan pada tahap pembelajaran model Deep Learning.
Share Kelas Ini :
Informasi Umum
Course ini berisi 4 silabus meliputi pengenalan Deep Learning, Reccurent Neural Network (RNN), Long-Short Term Memory (LSTM), dan implementasi RNN dan LSTM pada NLP dengan Python. Kemampuan membangun model Sentiment Analysis menggunakan Deep Learning ini sangat dibutuhkan dalam industri data seperti Artficial Intelligence, Data Science, ataupun bidang teknologi lainnya. Dengan mempelajari course ini, peserta diharapkan memiliki kemampuan yang kompeten untuk dapat menguasai News Classification menggunakan metode Deep Learning.
Target Pembelajaran
1. Peserta mampu memahami metode deep learning dan tipe-tipe Deep Learning.
2. Peserta mampu memahami metode RNN dan LSTM.
3. Peserta mampu memahami News Classification menggunakan Deep Learning dan mampu membuat model News Classification menggunakan metode RNN atau LSTM.
Spesifikasi
1. Komputer yang terinstall python 3 dan jupyter notebook (untuk pengerjaan offline).
2. Komputer dengan browser, koneksi internet, dan akun gmail agar dapat menggunakan Google Colaboratory (untuk pengerjaan online).
Kriteria Kelulusan
Peserta diwajibkan untuk mengambil kuis dari setiap silabus yang ada di course. Tugas akhir dapat diakses jika peserta telah menyelesaikan kuis di setiap silabus dengan nilai yang memenuhi kriteria ketuntasan minimal (KKM) yaitu 70. Setelah peserta menyelesaikan kuis dan tugas akhir, maka peserta akan mendapatkan sertifikat.
Skema Penilaian
A. Kuis (80%)
Soal kuis di setiap silabus terdiri dari soal-soal pilihan ganda yang harus dijawab oleh peserta. Nilai kuis dapat diperoleh jika peserta dapat menyelesaikan kuis di setiap silabus dengan sempurna. Nilai kuis setiap silabus akan diakumulasikan sebanyak 10 %.
B. Tugas akhir (20%)
Tugas akhir terdiri dari satu soal analisis yang diambil dari silabus. Nilai tugas akhir dapat diperoleh jika peserta berhasil menyelesaikan tugas akhir dengan baik.
Detail Course
-
Penyusun Materi
BISA AI Academy
-
Harga Course
FREE
Pemula
4 Jam
215 Siswa
8 Modul
4.3
