Data Science with Machine Learning

Deskripsi

Mungkin metodologi ilmu data yang paling populer berasal dari machine learning. Apa yang membedakan machine learning dari metode analisis data lainnya adalah bahwa ia membangun algoritma prediksi menggunakan data.

Dalam pelatihan machine learning ini, peserta  akan belajar algoritma yang populer, analisis komponen utama, dan regularisasinya.

Peserta akan belajar tentang data dan cara menggunakan sekumpulan data untuk menemukan hubungan yang berpotensi prediktif. Anda juga akan belajar tentang overtraining dan teknik untuk menghindarinya seperti cross-validation. Semua skill tersebut sangat penting untuk machine learning.

Tujuan

Setelah mengikuti pelatihan tersebut, peserta akan mampu :

  • Mempelajari dasar-dasar machine learning
  • Mempelajari melakukan validasi silang untuk menghindari overtraining
  • Mempelajari beberapa algoritma machine learning yang populer
  • Mengetahui bagaiman cara membangun sistem rekomendasi
  • Mempelajar apa itu regularisasi dan mengapa itu berguna

Target Peserta

Kelas ini untuk siapa saja yang terlibat dalam proyek, produk, atau pekerjaan IT yang secara aktif mempertimbangkan layanan data, seperti :

  • Software Engineers and Team Leads
  • Project Managers
  • Business Analysts
  • DBAs and Data Engineering teams
  • Business Customers
  • System Analysts

Syarat

Mengikuti pelatihan Fundamental Big Data.

Modul 1 Introduction

  • Welcome to Machine Learning
  • What is Machine Learning
  • Supervised Learning
  • Unsupervised Learning

Modul 2 Linear Regression with One Variable

  • Model Representation
  • Cost Function
  • Cost Function – Intuition
  • Gradient Descent
  • Gradient Descent Intuition
  • Gradient Descent For Linear Regression

Modul 3 Linear Algebra Review

  • Matrices and Vectors
  • Addition and Scalar Multiplication
  • Matrix Vector Multiplication
  • Matrix Matrix Multiplication
  • Matrix Multiplication Properties
  • Inverse and Transpose

Modul 4 Linear Regression with Multiple Variables

  • Multiple Features
  • Gradient Descent for Multiple Variables
  • Gradient Descent in Practice I – Feature Scaling
  • Gradient Descent in Practice II – Learning Rate
  • Features and Polynomial Regression
  • Normal Equation
  • Normal Equation Noninvertibility
  • Working on and Submitting Programming Assignments

Modul 5 Octave/Matlab Tutorial

  • Basic Operations
  • Moving Data Around
  • Computing on Data
  • Plotting Data
  • Control Statements: for, while, if statement
  • Vectorization

 Modul 6 Logistic Regression

  • Classification
  • Hypothesis Representation
  • Decision Boundary
  • Cost Function
  • Simplified Cost Function and Gradient Descent
  • Advanced Optimization
  • Multiclass Classification: One-vs-all

 Modul 7 Regularization

  • The Problem of Overfitting
  • Cost Function
  • Regularized Linear Regression
  • Regularized Logistic Regression
  • Modul 8 Neural Networks: Representation
  • Non-linear Hypotheses
  • Neurons and the Brain
  • Model Representation
  • Examples and Intuitions
  • Multiclass Classification

 

Waktu Pelaksanaan 2 Hari

Complimentary Download

Terima kasih atas ketertarikan Anda pada Edutech Training and Konsultan. Untuk mendownload brosur ini, lengkapi formulir pendaftaran di sebelah kanan.

Jika Anda mengalami masalah dalam menyelesaikan formulir, kirimkan ke email ke : info@edutechsolution.co.id dan kami dapat mengirimkan file brosurnya