Berikut adalah silabus lengkap untuk belajar Machine Learning dengan PyTorch dan Scikit-Learn, mulai dari tingkat dasar hingga tingkat lanjutan. Silabus ini dirancang untuk membantu pengguna memahami konsep dasar machine learning, serta bagaimana mengembangkan model machine learning dan deep learning menggunakan Python, PyTorch, dan Scikit-Learn.
1. Pendahuluan Machine Learning dan Tools yang Digunakan
-
Durasi : 1 sesi
-
Materi : Apa itu Machine Learning?
-
Perbedaan antara Machine Learning dan Deep Learning.
-
Pengantar Python untuk Machine Learning.
-
Instalasi dan pengenalan Scikit-Learn dan PyTorch .
-
Perbedaan dan kasus penggunaan Scikit-Learn vs PyTorch.
-
Contoh Aplikasi : Pengenalan klasifikasi sederhana menggunakan Scikit-Learn.
2. Persiapan Data dan Preprocessing
-
Durasi : 2 sesi
-
Materi : Pengenalan dataset.
-
Mengimpor dan memahami dataset (CSV, Excel, JSON).
-
Data cleaning : Menangani missing data, outliers.
-
Feature scaling : Normalisasi dan standarisasi.
-
Train-test split dan cross-validation .
-
Contoh Aplikasi : Menyiapkan data dari dataset UCI ML atau Kaggle.
3. Pengenalan Algoritma Machine Learning dengan Scikit-Learn
-
Durasi : 3 sesi
-
Materi : Klasifikasi: K-Nearest Neighbors (KNN) , Decision Trees , Logistic Regression .
-
Regresi: Linear Regression , Polynomial Regression .
-
Evaluasi model: Confusion matrix , accuracy , precision , recall , dan F1 score .
-
Contoh Aplikasi : Membangun model klasifikasi pada dataset Iris.
4. Hyperparameter Tuning dan Model Selection
-
Durasi : 1 sesi
