Machine Learning & Introduction to Deep Learning

Tujuan Training : memperkenalkan Kecerdasan Artifisial dan model/algoritma Pembelajaran Mesin Tersupervisi (supervised machine learning) dan contoh penerapannya serta pemrograman Pembelajaran Mesin dengan Pytorch

Target : setelah mengikuti training ini peserta dapat mengenal dan memahami dasar-dasar pembelajaran mesin, mengenal dan memahami beberapa model/algoritma pembelajaran mesin untuk regresi dan klasifikasi, dapat menerapkan machine learning pada beberapa aplikasi, serta dapat memprogram pembelajaran mesin dengan menggunakan pemrograman yang dewasa ini makin populer dalam machine learning yaitu Pytorch.

Silabus :

1. Pengenalan AI, Machine Learning, Deep Learning
2. Supervised & Unsupervised Machine Learning Workflow
3. Regresi Linier dg Satu Variabel
4. Gradient Descent
5. Regresi Linier dg Banyak Variabel
6. Regresi Logistik & Klasifikasi
7. Jaringan Syaraf Artifisial (JSA): model komputasi neuron, klasifikasi, representasi JSA, komputasi arah maju, komputasi arah mundur (propagasi mundur), desain jaringan syaraf tiruan)
8. Intro Deep Learning, Pengenalan Jaringan Syaraf Konvolusi utk Computer Vision
9. Pemrograman Machine Learning dengan Pytorch

Persyaratan latar belakang Peserta Training :

• Sarjana atau mahasiswa dalam berbagai bidang
• Diutamakan yang pernah mengikuti kuliah tetang Kalkulus dan Aljabar Linier
• Memahami salah satu bahasa pemrograman

Buku Referensi :

Dasar Kecerdasan Artifisial : Pengantar Pembelajaran Mesin, Bambang R. Trilaksono & Christoporus Deo Putratama, ITB Press, 2023

Pemateri: Prof. Bambang R. Trilaksono & Christoporus Deo P., ST

Total Durasi : 24 jam
Materi 1-8 : 16 jam
Materi 9 : 8 jam