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 machine learning, data terlebihdahulu melalui tahap preprocessing dan vektorisasi sampai akhirnya masukan pada tahap pembelajaran model machine learning.
Share Kelas Ini :
Informasi Umum
Course ini berisi 4 silabus meliputi pengenalan Machine Learning, Preprocessing, Pembobotan Teks menggunakan Term Frequency, Inverse Document Frequency (TF.IDF), serta News Classification dengan Support Vector Machine dan Naïve Bayes. Kemampuan membangun model Sentiment Analysis 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 Machine Learning.
Target Pembelajaran
- Peserta mampu memahami Machine Learning dan tipe-tipe Machine Learning.
- Peserta mampu memahami Preprocessing dengan Data Teks.
- Peserta mampu memahami Pembobotan Teks menggunakan TF.IDF
- Peserta mampu memahami News Classification menggunakan Machine Learning dan mampu membuat model News Classification menggunakan metode Support Vector Machine atau Naïve Bayes
Spesifikasi
- Komputer yang terinstall python 3 dan jupyter notebook (untuk pengerjaan offline).
- 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
320 Siswa
8 Modul
4.8
