Scikit-learn atau sklearn merupakan sebuah module dari bahasa pemrograman Python yang dibangun berdasarkan NumPy, SciPy, dan Matplotlib. Fungsi dari module ini adalah untuk membantu melakukan processing data ataupun melakukan training data untuk kebutuhan machine learning atau data science. Banyak sekali fitur yang ada pada module ini seperti model – model klasifikasi, clustering, regresi berbasis model machine learning dan proses – proses yang dapat dimanfaatkan pada tahap Feature Engineering seperti reduksi dimensi menggunakan PCA. Module ini sangatlah popular dan sering digunakan dikalangan data scientist karena banyak sekali model – model machine learning yang dapat kita panggil menggunakan module ini.
Share Kelas Ini :
Informasi Umum
Pada materi ini, kita akan mempelajari tentang reduksi dimensi dengan PCA, Klasifikasi SVM, Decision Tree, Clustering K-Means, DBScan, Evaluasi Model Machine Learning serta Pipeline Machine Learning. Course ini menggunakan bahasa pemrograman Python. Pada course ini akan dijelaskan bagaimana cara mereduksi dimensi menggunakan Principal Component Analysis mulai dari intuisi secara matematis hingga ke pemrogramannya. Selain itu, juga dikenalkan model – model klasifikasi seperti SVM, Decision Tree mulai dari intuisi hingga implementasi dalam Python. Lalu, dikenalkan model – model clustering seperti K-Means, DBScan mulai dari intuisi hingga implementasi Python. Sesuai dengan alur kerja machine learning, pada course ini akan diperlihatkan bagaimana kita mengevaluasi model machine learning menggunakan library Scikit-learn ini sehingga dapat memudahkan kita dalam proses perhitungan. Di akhir juga dikenalkan Pipeline Machine Learning yang saat ini sering dipakai di Tech Company ataupun Startup.
Target Pembelajaran
- Peserta mampu menggunakan Scikit-learn serta mengenal fitur – fitur yang ada didalamnya
- Peserta mampu mereduksi dimensi dengan PCA yang ada pada Scikit-learn
- Peserta mampu menerapkan model – model klasifikasi ataupun clustering dengan Scikit-learn
- Peserta mampu memahami flow machine learning berdasarkan Pipeline Machine Learning
Spesifikasi
- PC/Laptop yang sudah terinstal Python 3 beserta Jupyter Notebook atau dapat menggunakan Google Collab
- Komputer dengan internet yang cepat
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
3.5 Jam
2149 Siswa
7 Modul
4.7
