PEMBELAJARAN MESIN DAN APLIKASI
0%
Previous
Course data
Umum
Deskripsi Perkuliahan
Silahkan klik untuk RPS
Minggu 1: Pengenalan Perkuilahan (Aturan Main, Penilaian, dll)
Lecture Note 0: Pengenalan Python
Lecture Note 0: Numpy
Slide 0: Pengenalan Perkuliahan
Pengenalan Perkuliahan (Rekaman Lampau)
Quiz Code
Minggu 2: Pendahuluan Pembelajaran Mesin
Lecture Note 1: Pendahuluan Pembelajaran Mesin
Slide 1: Pendahuluan Pembelajaran Mesin
Pendahuluan Pembelajaran Mesin (Rekaman Lampau)
Minggu 3: Regresi Linier
Lecture Note 2: Bagian Regresi Linier
Slide 2: Regresi Linier
Regresi Liniear (Rekaman Lampau)
Quiz Multiple Choice
Minggu 4: Regresi Logistik
Lecture Note 2: Bagian Regresi Logistik
Slides 3: Regresi Logistik
Regresi Logistik dan Softmax (Rekaman Lampau)
Tugas Regresi Linier dan Logistik
Minggu 5: Pengenalan Scikit Learn, Validate Model, Pemilihan Model
Lecture Note 3: Validasi dan Pemilihan Model, beserta Ukuran Kinerja (Bagian Dasar-Dasar API Scikit Learn dan Validasi Model)
Slide 4: Pengenalan API Scikit Learn dan Validasi Model
Pengenalan Scikit Learn, Validasi Model (Rekaman Lampau)
Minggu 6: Pengenalan Scikit Learn, Validasi Model, Pemilihan Model (Con't)
Lecture Note 3: Validasi dan Pemilihan Model, beserta Ukuran Kinerja (Bagian Model Terbaik dan Ukuruan Kinerja)
Slide 5: Model Terbaik dan Ukuran Kinerja
Minggu 7: Supervised Learning II: Decision Tree, Ensemble Learning dan Random Forests
Lecture Note 4: Supervised Learning II: Decision Tree, Ensamble Learning dan Random Forests
Slide 6: Supervised Learning II
Tugas Besar Pengganti UTS
Minggu 8: Supervised Learning III: Support Vector Machine (SVM)
Lecture Note 5: Support Vector Machine
Slide 7: Support Vector Machine
Minggu 9: Unsupervised Learning, Clustering, K-Means
Lecture Note 6: Unsupervised Learning (Bagian K-Means)
Slide 8: Unsupervised Learning, K-Means
Unsupervised Learning, Gaussian Mixtures dan K-Means (Rekaman Lampau)
MInggu 10: Unsupervised Learning, DBSCAN dan Gaussian Mixtures
Lecture Note 6: Unsupervised Learning (Bagian DBSCAN dan Gaussian Mixuters)
Slide 9: DBSCAN dan Gaussian Mixtures
DBSCAN dan Gaussian Mixtures (Rekaman Lampau)
Minggu 11: Dimensionality Reduction
Lecture Note 7: Dimensionality Reduction
Slide 10: Dimensionality Reduction
Tugas SP, USP, dan PCA
Minggu 12: Pengenalan Neural Networks dan Deep Learning
Lecture 8: Artificial Neural Networks
Minggu 13: Pengenalan Neural Networks dan Deep Learning
Lecture Note 9: Deep Neural Networks
Tugas MC
Minggu 14: Pembahasan Tugas Besar dan Rekapitulasi
Tugas Besar Pengganti UAS
Next
Panel samping
Bahasa Indonesia (id)
Bahasa Indonesia (id)
English (en)
Masukkan kueri pencarian
Masuk
TEI4N3-28692
Depan
Loncat ke konten utama
Info Kursus
Depan
Kursus
FAKULTAS TEKNIK ELEKTRO (FTE)
PRODI S1 TEKNIK ELEKTRO (FTE)
TEI4N3-28692
Penjelasan
PEMBELAJARAN MESIN DAN APLIKASI
Pengajar:
ISTIQOMAH ISTIQOMAH
Pengajar:
FIKY YOSEF SURATMAN