Kembali
  1. Kelas Belajar Mandiri
  2. Master Class
  3. Master Class Machine Learning Engineering
Cover Course Master Class Machine Learning Engineering
Pemula +150 Poin

BISA AI Academy

Master Class Machine Learning Engineering

Master Class Machine Learning Engineering merupakan program pembelajaran mandiri secara online atau asynchronous yang berfokus pada alur pengembangan model Machine Learning, mulai dari persiapan data hingga evaluasi dan pipeline.

Program ini cocok bagi peserta yang ingin memperluas pemahaman mengenai Machine Learning Engineering dan mempelajari konsep, proses, serta tools yang dibahas dalam course secara terstruktur.

Pokok pembelajaran mencakup Dasar Python dan Data Science; Metodologi dan kebutuhan bisnis Data Science; Data preprocessing dan pengenalan tools Machine Learning; Pipeline dan algoritma klasifikasi KNN, Decision Tree, serta SVM; Evaluasi model Machine Learning.

Peserta dapat mengikuti seluruh materi secara fleksibel sesuai waktu masing-masing melalui platform pembelajaran BISA AI Academy.

Silabus yang Akan Dipelajari

  1. Pre Test - Master Class Machine Learning Engineering
  2. Dasar Pemrograman Python
  3. Dasar - Dasar Data Science
  4. Metodologi dan Bisnis Data Science
  5. Data Preprocessing
  6. Pengenalan Machine Learning dan Tools
  7. Pipeline Machine Learning
  8. Algoritma Klasifikasi : K-Nearest Neighbor
  9. Algoritma Klasifikasi : Decision Tree
  10. Klasifikasi SVM
  11. Evaluasi Model Machine learning
  12. Post Test - Master Class Machine Learning Engineering

Fasilitas yang Didapatkan

  • Modul pembelajaran terstruktur
  • Video pembelajaran
  • Soal latihan dan kuis
  • Pembelajaran fleksibel yang dapat diakses secara online
  • Tugas akhir sebagai evaluasi hasil pembelajaran
  • Panduan pembuatan portofolio
  • Kesempatan mempublikasikan portofolio melalui platform BISA AI
  • Sertifikat penyelesaian course dari BISA AI Academy

Alur Program Master Class

  1. Pelajari Course
    Pelajari seluruh materi secara mandiri melalui modul, video pembelajaran, dan materi pendukung yang tersedia.
  2. Selesaikan Kuis
    Kerjakan kuis pada setiap silabus dan capai nilai minimal sesuai Kriteria Ketuntasan Minimal.
  3. Kerjakan Tugas Akhir
    Setelah seluruh kuis selesai, peserta dapat mengakses dan mengerjakan tugas akhir sesuai instruksi.
  4. Proses Penilaian
    Tugas akhir akan diperiksa dan dinilai maksimal dalam 1 × 24 jam.
  5. Berikan Ulasan Course
    Setelah seluruh persyaratan pembelajaran selesai, peserta memberikan ulasan terhadap course.
  6. Dapatkan Sertifikat Penyelesaian dan Transkrip Nilai
    Peserta yang telah memenuhi seluruh ketentuan dapat memperoleh sertifikat penyelesaian course dari BISA AI Academy.
  7. Buat Portofolio
    Peserta dapat mengembangkan hasil pembelajaran menjadi portofolio dan mengunggahnya melalui:
    https://bisa.ai/portofolioku
  8. Publikasikan Portofolio
    Portofolio yang memenuhi ketentuan dapat dipublikasikan melalui halaman portofolio BISA AI Academy.

📌 Pastikan data diri pada halaman profil akun telah diisi dengan lengkap dan benar, terutama nama, nomor WhatsApp, dan alamat email:
https://bisa.ai/myprofile

Penyusun Materi BISA AI Academy

Detail Course

Tentang kelas ini

Ringkasan materi, target pembelajaran, dan aturan penilaian kelas.

Gambaran Umum

Course ini dirancang untuk membantu peserta memahami alur pengembangan model Machine Learning, mulai dari persiapan data hingga evaluasi dan pipeline.

Peserta akan mempelajari:

  • Dasar Python dan Data Science
  • Metodologi dan kebutuhan bisnis Data Science
  • Data preprocessing dan pengenalan tools Machine Learning
  • Pipeline dan algoritma klasifikasi KNN, Decision Tree, serta SVM
  • Evaluasi model Machine Learning

Setelah menyelesaikan course, peserta diharapkan mampu menjelaskan konsep utama Machine Learning Engineering, memahami keterkaitan materi yang dipelajari, serta merangkum penerapannya sesuai konteks pembelajaran.

Target Pembelajaran

Peserta diharapkan mampu:

  1. Menjelaskan dasar Python dan Data Science.
  2. Menjelaskan metodologi dan kebutuhan bisnis Data Science.
  3. Menjelaskan data preprocessing dan pengenalan tools Machine Learning.
  4. Menjelaskan pipeline dan algoritma klasifikasi KNN, Decision Tree, serta SVM.
  5. Menjelaskan evaluasi model Machine Learning.

Spesifikasi

  • Laptop atau PC dengan RAM minimal 4 GB; direkomendasikan 8 GB
  • Sistem operasi dan perangkat yang mendukung aplikasi sesuai materi
  • Browser versi terbaru
  • Akun Google untuk Google Colab dan lingkungan Python sesuai materi
  • Aplikasi pengolah dokumen dan fasilitas ekspor PDF
  • Akses internet yang stabil

Kriteria Kelulusan

Peserta diwajibkan mengikuti kuis pada setiap silabus yang tersedia di dalam course.

Tugas akhir dapat diakses setelah peserta menyelesaikan seluruh kuis dengan nilai minimal sesuai Kriteria Ketuntasan Minimal (KKM), yaitu 70.

Peserta akan memperoleh sertifikat penyelesaian course dari BISA AI Academy setelah menyelesaikan seluruh materi, kuis, dan tugas akhir sesuai ketentuan.

Skema Penilaian

A. Kuis — 80%

Kuis pada setiap silabus terdiri dari soal pilihan ganda. Nilai dari seluruh kuis akan diakumulasikan sebagai komponen utama penilaian pembelajaran.

B. Tugas Akhir — 20%

Tugas akhir berupa rangkuman materi Machine Learning Engineering yang ditulis dengan bahasa sendiri dan mencakup pokok pembelajaran dari seluruh silabus.