Apa yang akan Anda pelajari
-
Mulai dari pemula total menjadi insinyur pembelajaran mesin yang percaya diri
-
Terapkan algoritme Machine Learning pada 10+ set data
-
Segarkan semua statistik dasar & Konsep Probabilitas
-
Siapkan Lingkungan lengkap dengan Google Colab Notebook
-
Pembelajaran Mesin dengan berbagai jenis Sistem ML
-
Tangani data yang hilang, Pengelompokan, Penggabungan Penggabungan, dan Penggabungan Data dengan Pandas Dataframe
-
Ubah data Anda dengan One Hot Encoding & Feature scaling
-
Hitung Nilai menggunakan Regresi Linier Sederhana
-
Memprediksi Keuntungan Restoran dengan Regresi Linear Berganda
-
Terapkan SVR, SVM, Decision tree dan Random Forest pada Real Dataset
-
Terapkan Algoritma klasifikasi yang berbeda
-
Mengklasifikasikan gambar busana busana dengan Artificial Neural Network + Keras
-
Bangun Deteksi Penipuan Kartu Kredit dengan Convolution Neural Network
-
Terapkan Teknik Pemrosesan Bahasa Alami seperti Tokenisasi, Stemming, Stop Words, Named Entity Recognition, Kalimat Segmentasi
-
Klasifikasi Review IMDB menggunakan Recurrent Neural Network – LSTM
-
Dapatkan Langsung dengan Kursus Singkat Python, Analisis dan Visualisasi Data dengan NumPy, Pandas & Matplotlib
Persyaratan
-
Tidak diperlukan pengetahuan atau pengalaman sebelumnya, hanya hasrat untuk belajar
Deskripsi
Menurut laporan IBM, pekerjaan Ilmu Data kemungkinan akan tumbuh sebesar 30 persen. Perkiraan jumlah daftar pekerjaan adalah 2.720.000 untuk Ilmu Data pada tahun 2020
Dan menurut Biro Statistik Tenaga Kerja AS, sekitar 11 juta pekerjaan akan tercipta pada tahun 2026
Ilmu Data, Pembelajaran Mesin, dan Kecerdasan Buatan adalah teknologi terpanas dan sedang tren di seluruh dunia, hampir setiap organisasi multinasional sedang mengerjakannya dan mereka membutuhkan banyak orang yang dapat mengerjakan teknologi ini
Dengan mengingat semua persyaratan industri, kami telah merancang kursus ini, dengan kursus tunggal ini Anda dapat memulai perjalanan Anda di bidang Ilmu Data
Dalam kursus ini kami mencoba untuk mencakup hampir semua yang ada di bawah payung Ilmu Data,
Topik yang dibahas:
1) Ringkasan Pembelajaran Mesin:Â Jenis Sistem Pembelajaran Mesin, Pembelajaran Mesin vs Sistem Komputasi Tradisional, Algoritma Pembelajaran Mesin yang Berbeda, Alur Kerja Pembelajaran Mesin
2) Dasar Statistik:Â Data, Tingkatan Pengukuran, Pengukuran Tendensi Sentral, Populasi vs Sampel, Metode Pengambilan Sampel Berbasis Probabilitas, Metode Sampling Berbasis Non Probabilitas, Pengukuran Dispersi, Kuartil dan IQR
3) Peluang:Â Pengantar Peluang, Permutasi, Kombinasi, Persimpangan, Persatuan dan Pelengkap, Peristiwa Independen dan Tergantung, Peluang Bersyarat, Aturan Penambahan dan Perkalian, Teorema Bayes
4) Pra-Pemrosesan Data:Â Mengimpor Pustaka, Mengimpor Set Data, Bekerja dengan data yang hilang, Mengodekan data kategorikal, Memisahkan set data ke dalam rangkaian pelatihan dan pengujian, Penskalaan fitur
5) Analisis Regresi:Â Regresi Linier Sederhana, Regresi Linier Berganda, Regresi Vektor Dukungan, Pohon Keputusan, Regresi Hutan Acak
6) Teknik Klasifikasi:Â Regresi Logistik, KNN, Mesin Vektor Dukungan, Pohon Keputusan, Klasifikasi Hutan Acak
7) Pemrosesan Bahasa Alami:Â Tokenisasi, Stemming, Lemmatization, Stop Words, Vocabulary and Matching, Parts of Speech Tagging, Named Entity Recognition, Sentence Segmentation
8) Jaringan Syaraf Tiruan (JST):Â Neuron, Fungsi Aktivasi, Fungsi Biaya, Penurunan Gradien dan Propagasi Balik, Membangun Jaringan Syaraf Tiruan, Klasifikasi Biner dengan Jaringan Syaraf Tiruan
9) Convolutional Neural Networks (CNNs):Â Teori di balik Convolutional Neural Networks, Berbagai lapisan dalam Convolutional Neural Networks, Building Convolutional Neural Networks, Credit Card Fraud Detection dengan CNN
10) Recurrent Neural Network (RNNs):Â Theory behind Recurrent Neural Networks, Vanishing Gradient Problem, Working of LSTM and GRU, IMDB Review Classification with RNN – LSTM
11) Analisis Data dengan Numpy:Â NumPy Array, Pengindeksan dan Seleksi, Operasi NumPy
12) Analisis Data dengan Pandas:Â Seri Pandas, DataFrames, Multi-indeks dan hierarki indeks, Bekerja dengan Data yang Hilang, Fungsi Groupby, Menggabungkan Bergabung dan Menggabungkan DataFrames, Operasi Pandas, Membaca dan Menulis File
13) Visualisasi Data dengan Matplotlib:Â Metode Fungsional, Metode Berorientasi Objek, Metode Subplot, Ukuran Gambar, Rasio Aspek dan DPI, Properti Matplotlib, Berbagai jenis plot seperti Scatter Plot, Bar plot, Histogram, Pie Chart
14) Kursus Singkat Python:Â Bagian 1: Tipe Data, Bagian 2: Pernyataan Python, Bagian 3: Fungsi, Bagian 4: Pemrograman Berorientasi Objek
Pelajari Ilmu Data untuk memajukan Karir Anda dan Tingkatkan pengetahuan Anda dengan cara yang menyenangkan dan praktis!
Untuk siapa kursus ini:
- Siapa pun yang ingin mempelajari Ilmu Data dan Pembelajaran Mesin
- Profesional yang ingin memulai karir baru di Machine Learning
- Siapa pun yang tertarik dengan Pembelajaran Mesin dan ilmu Data