Modul 7 — Fundamental Machine Learning

Membahas konsep dasar Machine Learning secara mudah dipahami, termasuk cara kerja, manfaat, keterbatasan, serta penerapannya dalam mendukung tujuan bisnis. Modul ini memberikan pemahaman tentang data, model, algoritma, serta proses pelatihan dan deployment model machine learning dalam berbagai skenario penggunaan.

Pokok Bahasan

• Pendorong bisnis dan teknologi Machine Learning
• Manfaat dan tantangan Machine Learning
• Skenario penggunaan Machine Learning
• Dataset: data terstruktur, tidak terstruktur, dan semi-terstruktur
• Model, algoritma, pelatihan model, dan proses learning
• Cara kerja Machine Learning
• Pengumpulan dan pra-pemrosesan data training
• Pemilihan algoritma dan model
• Pelatihan model dan deployment model terlatih
• Algoritma dan praktik Machine Learning
• Supervised learning, classification, dan decision tree
• Regression, ensemble methods, dan dimensionality reduction
• Unsupervised learning dan clustering
• Semi-supervised learning dan reinforcement learning
• Best practice Machine Learning
• Cara kerja sistem Machine Learning
• Mekanisme umum Machine Learning
• Cara mekanisme digunakan dalam pelatihan model
• Machine Learning, Deep Learning, dan Artificial Intelligence (AI)

Modul 8 — Advanced Machine Learning

Membahas teknik dan pendekatan lanjutan dalam Machine Learning untuk menyelesaikan berbagai permasalahan bisnis yang kompleks melalui kombinasi algoritma dan model yang telah terbukti. Modul ini berfokus pada eksplorasi data, rekayasa fitur, pola pembelajaran, evaluasi model, serta optimasi untuk meningkatkan performa sistem Machine Learning secara menyeluruh.

Pokok Bahasan

• Pola eksplorasi data
• Perhitungan tendensi sentral dan variabilitas
• Perhitungan asosiasi dan ringkasan grafis
• Pola reduksi data
• Seleksi fitur dan ekstraksi fitur
• Pola data wrangling
• Imputasi fitur dan encoding fitur
• Diskretisasi fitur dan standardisasi fitur
• Pola supervised learning
• Prediksi numerik dan prediksi kategori
• Pola unsupervised learning
• Penemuan kategori dan penemuan pola
• Pola evaluasi model dan baseline modeling
• Evaluasi performa training dan evaluasi performa prediksi
• Pola optimasi model
• Ensemble learning dan retraining model berkala
• Implementasi lightweight model dan incremental learning

Modul 9 — Machine Learning Lab

Membahas penerapan praktis Machine Learning melalui serangkaian studi kasus dan latihan berbasis skenario nyata. Modul ini berfokus pada kemampuan peserta dalam membangun alur kerja machine learning end-to-end, mulai dari pengambilan data, pemilihan algoritma, pemodelan fitur, hingga evaluasi dan optimasi model untuk menyelesaikan permasalahan bisnis.

Pokok Bahasan

• Latihan membaca 9.1: Studi kasus RHE R&D Company
• Latihan lab 9.2: Pengambilan data training
• Latihan lab 9.3: Pemilihan algoritma yang tepat
• Latihan lab 9.4: Pemodelan fitur dan representasi data
• Latihan lab 9.5: Pengukuran dan optimasi model terlatih
• Latihan lab 9.6: Koreksi fitur yang tidak konsisten
• Latihan membaca 9.7: Studi kasus GTO Financial Institution
• Latihan lab 9.8: Identifikasi data transaksi pelanggan
• Latihan lab 9.9: Analisis risiko pelanggan
• Latihan lab 9.10: Identifikasi pola pengeluaran yang mencurigakan