Pembelajaran tanpa pengawasan adalah jenis pembelajaran mesin di mana algoritma mem-parsing data yang tidak berlabel. Fokusnya bukan pada pengurutan data ke dalam kategori yang diketahui tetapi mengungkap pola tersembunyi. Pembelajaran tanpa pengawasan memainkan peran besar dalam segmentasi pemasaran modern, deteksi penipuan, dan analisis keranjang pasar. Kursus ini menunjukkan bagaimana menggunakan teknik pembelajaran mesin terkemuka — analisis klaster, deteksi anomali, dan aturan asosiasi — untuk mendapatkan hasil yang akurat dan bermakna dari data besar.
Mengulas algoritma pengelompokan yang paling umum: hierarkis, k-means, BIRCH, dan peta pengorganisasian diri (SOM). Menggunakan algoritma yang sama untuk deteksi anomali, dengan fungsi khusus tambahan yang tersedia di IBM SPSS Modeler. Belajar aturan asosiasi dan deteksi urutan, dan juga menyediakan beberapa sumber daya untuk belajar lebih banyak.
Semua latihan diperagakan dalam IBM SPSS Modeler dan IBM SPSS Statistics, tetapi penekanannya adalah pada konsep, bukan mekanisme perangkat lunak.
Topik meliputi:
Apa itu pembelajaran tanpa pengawasan?
Klaster dan langkah-langkah berbasis jarak
Analisis cluster hirarkis
K-means analisis cluster
Visualisasi dan pelaporan solusi cluster
Metode cluster untuk variabel kategori
Deteksi anomali
Aturan asosiasi
Deteksi urutan
