Pemrograman dan Algoritma Machine Learning: Dari Decision Tree hingga Naive Bayes
Menguasai Dasar Klasifikasi dengan Algoritma Machine Learning!
- Deskripsi
- Materi
- Ulasan
Apa yang akan Anda pelajari
Kursus ini mengajarkan algoritma dan teknik dasar dalam supervised learning, khususnya untuk algoritma decision tree, naive Bayes, dan k-nearest neighbors (K-NN). Peserta akan mempelajari teori serta aplikasi praktis dari setiap algoritma, termasuk contoh numerik dan implementasi di perangkat lunak seperti WEKA dan Rapidminer. Kursus ini cocok untuk mereka yang sudah memahami dasar-dasar machine learning dan ingin memperdalam pengetahuan dalam klasifikasi dan analisis data.
Classification in Data Mining & Machine Learning
-
1
1. Supervised Learning - An Overview -
2
2. Classification Basics - Concepts
-
3
3. Decision Trees - Introduction
-
4
4. Decision Trees - Specifying Test Condition & Attribute Selection Measures
-
5
5. Decision Tree Induction Using ID3, Information Gain (with Solved Example)
-
6
6. Decision Tree Induction Using C4.5 or Gain Ratio (with Solved Example)
-
7
7. Decision Tree Induction using CART or Gini Index (with Solved Example)
-
8
8. Decision Tree Induction: Comparison Between Attribute Selection Measures, Overfitting, & Pruning
-
9
9. Decision Tree Induction in WEKA
-
10
10. Decision Tree Induction in Rapidminer
-
11
11. Naive Bayes Classifier (with Solved Numerical Example)
-
12
12. Classifier Performance Evaluation Metrics - Confusion Matrix, Precision, Recall, Sensitivity, F1
-
13
13. K-Nearest Neighbors (K-NN) with Solved Numerical Example
Analisis dan Perbandingan Model Klasifikasi: Decision Tree dan Naive Bayes
Silahkan, login untuk menulis review
Detail Kursus
Durasi
7 jam 15 menit
Materi
13
Video
7 jam 1 menit 42 detik
Tugas
1
Level
Mudah
Terpopuler
