Kembali
  1. Kelas Belajar Mandiri
  2. Kelas GRATIS
  3. Statistika Dasar untuk Machine Learning
Cover Course Statistika Dasar untuk Machine Learning
Pemula Gratis +20 Poin

BISA AI Academy

Statistika Dasar untuk Machine Learning

Statistika merupakan fondasi penting dalam pengembangan dan penerapan Machine Learning. Melalui pemahaman statistik, kita dapat memahami pola, hubungan, dan ketidakpastian dalam data sebelum membuat model prediktif. Pada course ini, peserta akan mempelajari konsep dasar statistik yang mencakup jenis data, ukuran pemusatan dan penyebaran, probabilitas, inferensi, hingga analisis regresi sederhana yang menjadi dasar berbagai algoritma Machine Learning. Selain teori, peserta juga akan diajak untuk menerapkan konsep statistik menggunakan Python sehingga mampu menghubungkan analisis data statistik dengan proses pemodelan prediktif Machine Learning secara praktis.

Penyusun Materi Diva Sephira Dwi Lavanza, S.Stat

Detail Course

Tentang kelas ini

Ringkasan materi, target pembelajaran, dan aturan penilaian kelas.

Informasi Umum

Pada course ini akan dibahas berbagai konsep dasar statistik yang menjadi fondasi dalam penerapan Machine Learning, meliputi pengantar statistik, statistik deskriptif, teori probabilitas, inferensi dan pengujian hipotesis, distribusi data, serta analisis varians (ANOVA) dan regresi. Pemahaman terhadap konsep statistik sangat penting karena menjadi dasar dalam membaca pola data, membangun model prediksi, dan mengevaluasi kinerja model. Dengan mengikuti course ini, peserta akan dibekali kemampuan analisis data berbasis statistik yang dibutuhkan dalam bidang Data Science, Machine Learning, Data Analytics, dan bidang terkait lainnya.

Target Pembelajaran

- Peserta mampu memahami konsep dasar statistik dan penerapannya dalam Machine Learning.
- Peserta mampu mengolah, menganalisis, dan menginterpretasikan data menggunakan metode statistik dasar.
- Peserta mampu menerapkan konsep probabilitas, inferensi, serta analisis regresi untuk mendukung pembuatan model prediktif.
- Peserta mampu menggunakan alat bantu seperti Python dan Google Colabotary untuk melakukan analisis data secara praktis.

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 Colabotary (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.