Mata Kuliah: Machine Learning

Semester: Genap 2024

Tujuan Umum Mata Kuliah:

• Memahami konsep dasar dan teknik pembelajaran mesin.
• Mampu menerapkan algoritma pembelajaran mesin untuk memecahkan masalah dunia nyata.
• Mengembangkan keterampilan dalam evaluasi, validasi, dan pengoptimalan model pembelajaran mesin.

Rincian Rencana Pembelajaran:

Week 1-2: Pengantar Pembelajaran Mesin

• Konsep dasar pembelajaran mesin.
• Sejarah dan perkembangan.
• Jenis-jenis pembelajaran (supervisi, tanpa pengawasan, penguatan).
• Lingkungan pengembangan (Python, Jupyter Notebook).

Week 3-4: Pemodelan Data

• Representasi data.
• Dataset dan fitur.
• Preprocessing data.

Week 5-6: Algoritma Pembelajaran Supervisi

• Regresi linear dan regresi logistik.
• Support Vector Machines (SVM).
• Decision Trees.

Week 7-8: Algoritma Pembelajaran Tanpa Pengawasan

• K-means clustering.
• Hierarchical clustering.
• Analisis komponen utama (PCA).

Week 9-10: Validasi Model

• Validasi silang.
• Metrik evaluasi (akurasi, presisi, recall, F1-score).
• Kurva belajar dan kurva validasi.

Week 11-12: Penerapan dalam Kehidupan Nyata

• Studi kasus: pengenalan pola, visi komputer, pengolahan bahasa alami.
• Implementasi algoritma dalam proyek-proyek praktis.

Week 13-14: Aspek Etika dan Keamanan

• Tantangan etika dalam pembelajaran mesin.
• Keadilan algoritma.
• Keamanan model dan data.

Week 15: Evaluasi dan Penyelesaian Proyek

• Presentasi proyek.
• Evaluasi akhir dan diskusi.

Week 16: Ujian Akhir

Metode Pembelajaran:

• Kuliah interaktif.
• Diskusi kelompok.
• Studi kasus dan proyek-proyek praktis.
• Tugas individu dan kelompok.
• Pengkodean dan implementasi algoritma.

Penilaian:

• Ujian tengah semester: 20%
• Tugas dan proyek: 50%
• Ujian akhir: 20%
• Kehadiran dan partisipasi: 10%