Machine Learning

Informasi Umum
Pada course ini akan dibahas silabus yang berkenaan dengan Machine Learning diantaranya yaitu Dasar-Dasar Machine Learning, Decision Tree, Naive Bayes, K-Nearest Neighbor, dan Evaluasi Model. Memahami Machine Learning sangat penting dan sangat dibutuhkan di dunia industri khususnya dalam bidang Artificial intelligence dan Data Scientist. Dengan mempelajari course ini, peserta telah dibekali kemampuan dan pemahaman yang diharapkan memiliki kompetensi untuk menjadi data analyst, data scientist, ataupun AI engineer ataupun bidang data related lainnya.

Target Pembelajaran
1. Peserta mampu memahami konsep dasar Machine Learning. 
2. Peserta mampu melakukan Modeling dan Prediksi.
3. Peserta mampu memahami dan mengimplementasikan konsep Evaluasi Model.

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.