Upload
others
View
16
Download
0
Embed Size (px)
Citation preview
Silabus Pelatihan Fresh Graduate Academy (FGA) 2019
RENCANA PEMBELAJARAN
Pertemuan ke 1
Topik Amazon Web Service (AWS)
Deskripsi Singkat mengenai Topik Pendahuluan Cloud Computing
Detail Materi Sesi 1 1.1
1.2
Penjelasan program pelatihan secara umum Penjelasan tentang AWS dan Machine Learning.
Detail Materi Sesi 2 1.3 Pengantar Cloud computing: history, cloud benefit, cost, types of cloud computing, deployment models, security
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 2
Topik Amazon Web Service (AWS) Deskripsi Singkat mengenai Topik Konsep Teknologi Cloud Computing AWS
Detail Materi Sesi 1 1.1 1.2 1.3 1.4 1.5
Konsep teknologi cloud computing Virtualization Karakteristik Cloud Computing Elasticity pada Cloud Computing Pengantar cloud computing dengan AWS
Detail Materi Sesi 2 1.6
1.7
1.8
Memahami public cloud pada deployment model cloud computing Memahami private cloud pada deployment model cloud computing Memahami hybird cloud pada deplotment model cloud compting
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 3
Topik Amazon Web Service (AWS)
Deskripsi Singkat mengenai Topik Mengenal Layanan pada Cloud Computing AWS Detail Materi Sesi 1 1.1
1.2
Mengenal model pengantaran layanan cloud computing Mengetahui konsep pemindahan server fisik menjadi server virtual
1.3
1.4
Mengetahui ancaman keamanan dan cara mengatasinya Mengenal layanan umum pada cloud computing
Detail Materi Sesi 2 1.5 1.6 1.7 1.8 1.9
1.10 1.11 1.12
AWS VPC AWS Security Groups AWS Elastic Compute Cloud AWS Load Balancing AWS Elastic Block Store AWS Simple Storage Service AWS Relational Database Service AWS DynamoDB
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 4 Topik Amazon Web Service (AWS)
Deskripsi Singkat mengenai Topik Mengenal Security pada Cloud Computing AWS
Detail Materi Sesi 1 1.1 1.2
1.3
Memahami konsep keamanan AWS AWS Access Control and Management (IAM) AWS Security Complience Program
Detail Materi Sesi 2 1.4
1.5
1.6
Pengenalan AWS Well-Architected Framework Mengenal konsep Fault Tolerance dan High Availability Web hosting dengan AWS
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN Pertemuan ke 5
Topik Amazon Web Service (AWS)
Deskripsi Singkat mengenai Topik Mengenal Pricing dan Biling Cloud Computing AWS
Detail Materi Sesi 1 1.1
1.2 1.3
Service Level Agreement dalam Cloud Computing AWS Cloud Pricing Billing Management System
Detail Materi Sesi 2 1.4 1.5 1.6
AWS fundamental pricing Pricing details Overview of the Total Cost of Ownership
Calculator Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 6 Topik Amazon Web Service (AWS)
Deskripsi Singkat mengenai Topik Persiapan Ujian AWS
Detail Materi Sesi 1 1.1 Persiapan Ujian Detail Materi Sesi 2 1.2 Latihan Soal
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN Pertemuan ke 7
Topik Amazon Web Service (AWS)
Deskripsi Singkat mengenai Topik 1.
2.
Mengenal beberapa layanan Amazon Web Service untuk aplikasi machine learning Mengenal platform Google Colaboratory sebagai platform yang akan digunakan selama pelatihan
Detail Materi Sesi 1 1.1 1.2
1.3 1.4 1.5 1.6
Implementasi machine learning di Amazon Platform machine learning AWS Sagemaker Mengetahui Amazon Rekognition Mengetahui Amazon Poly Mengetahui Amazon Lex Mengetahui Amazon Comprehend
Detail Materi Sesi 2 2.1
2.2
Bereksplorasi dan mengenal antarmuka google colab Membuat program sederhana dengan platform Google Colaboratory
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 8 Topik Basic Python
Deskripsi Singkat mengenai Topik 1.
2.
Memahami pemrograman dasar python beserta pengolahan variable Menerapkan beberapa struktur data majemuk dalam bahasa pemrograman python dan mengoperasikannya
Detail Materi Sesi 1 1.1
1.2
1.3
Pengenalan sintaks dasar pemrograman bahasa python Mengenal beberapa tipe data dasar dan variable Melakukan operasi dasar variabel bertipe-data String
Detail Materi Sesi 2 2.1
2.2
2.3
2.4
Menerapkan struktur data dan operasi dasar List Menerapkan struktur data dan operasi dasar Tuple Menerapkan struktur data dan operasi dasar Sets Menerapkan struktur data dan operasi dasar Dictionary
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 9
Topik Basic Python
Deskripsi Singkat mengenai Topik 3. Memahami dasar peraturan pemrograman python
Detail Materi Sesi 1 3.1
3.2
Mengimplementasikan struktur percabangan dalam bahasa python Mengimplementasikan struktur perulangan dalam bahasa python
Detail Materi Sesi 2 3.3
3.4
Melakukan pemrograman python dengan memanfaatkan fungsi Melakukan pemrograman python dengan memanfaatkan object oriented programming (OOP)
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 10
Topik Python untuk Data Science
Deskripsi Singkat mengenai Topik 1. 2.
Mengenal dan memahami library Numpy Mengenal dan memahami library Pandas
Detail Materi Sesi 1 1.1 1.2
1.3
Mengenal apa itu library NumPy Memahami penggunaan atribut dan fungsi dari NumPy Mengimplementasikan program python
dengan memanfaatkan library NumPy 1D dan 2D
Detail Materi Sesi 2 2.1
2.2
2.3 2.4
2.5
Membuat program python untuk melakukan read file Membuat program python untuk melaukan write file Mengenal apa itu library Pandas Memahami penggunaan atribut dan fungsi dari Pandas Bekerja dengan Dataframe (salah satu class di library Pandas), dan mengimplementasikannya dalam program python
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 11
Topik Python untuk Data Science Deskripsi Singkat mengenai Topik 3.
4.
Mengenal visualisasi dalam machine learning dan library Matplotlib Melakukan visualisasi dengan menggunakan library Matplotlib
Detail Materi Sesi 1 3.1
3.2 3.3
3.4
Memahami pentingnya visualisasi data dalam analisis data untuk machine learning Mengenal apa itu library Matplotlib Memahami hubungan erat Pandas dengan Matplotlib dan mengimplementasikannya dalam program python Melakukan visualisasi dengan class Line
Detail Materi Sesi 2 4.1
4.2
4.3
4.4
4.5
4.6
Melakukan visualisasi dengan class Area plots Melakukan visualisasi dengan class Histogram Melakukan visualisasi dengan class Bar Chart Melakukan visualisasi dengan class Pie Chart Melakukan visualisasi dengan class Box plots Melakukan visualisasi dengan class Scatter plots
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 12
Topik Dasar Machine Learning Deskripsi Singkat mengenai Topik 1.
2.
3.
Memahami terminologi machine learning dan beberapa contoh-contoh aplikasinya dalam kehidupan Memahami python sebagai salah satu bahasa pemrograman yang cocok untuk machine learning Memahami dua pendekatan machine learning, supervised dan unsupervised
Detail Materi Sesi 1 1.1
1.2 1.3
2.1
2.2
2.3
Mengenal machine learning dan perbedaannya dengan Artificial Inteligence dan Deep Learning Memahami contoh kasus permasalahan yang dapat dieselesaikan machine learning Beberapa aplikasi penggunaan machine learning dalam kehidupan nyata Mengenal peran bahasa python untuk machine learning Mengetahui beberapa library python penting untuk mendukung machine learning Memahami dan mengimplementasikan kerangka kerja machine learning dengan library sklearn
Detail Materi Sesi 2 3.1
3.2
3.3
Mengetahui 2 teknik machine learning (supervised dan unsupervised) Memahami supervised learning dan beberapa contohnya Memahami unsupervised learning dan beberapa contohnya
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 13
Topik Essential Math untuk Machine Learning
Deskripsi Singkat mengenai Topik 1. Memahami matematika aljabar liner dan mengimplementasikannya dalam program python
Detail Materi Sesi 1 1.1
1.2
1.3 1.4
Mengetahui pentingnya pemahaman matematika aljabar linear untuk memahami machine learning dengan lebih mudah Perkalian dan Penjumlahan vektor dan Matriks Transpose dan Invers dari Matriks Eigenvektor dan Eigenvalue Matriks
Detail Materi Sesi 2 1.5 Memecahkan permasalahan aljabar linear
dengan mengimplementasikan program
python
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN Pertemuan ke 14
Topik Essential Math untuk Machine Learning
Deskripsi Singkat mengenai Topik 2. Memahami matematika kalkulus dasar dan mengimplementasikannya dalam program python
Detail Materi Sesi 1 2.1
2.2 2.3
Menetahui pentingnya pemahaman matematika kalkulus untuk memahami machine learning dengan lebih mudah Gradient dan univariate differentiation Multivariate differentiation
Detail Materi Sesi 2 2.4 Memecahkan permasalahan kalkulus dengan mengimplementasikan program python
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN Pertemuan ke 15
Topik Algoritma Machine Learning: Regrssion
Deskripsi Singkat mengenai Topik 1.
2.
Memahami algoritma prediksi dengan linear regression Memahami algoritma prediksi dengan non-linear regression
Detail Materi Sesi 1 1.1
1.2 1.3
Memahami apa yang dimaksud dengan regresi linier Memahami algoritma linear regression Mengetahui contoh kasus yang bisa diselesaikan dengan linear regression
1.4 Mengimplementasikan linear regression dengan python
Detail Materi Sesi 2 2.1
2.2 2.3
Mengatahui tidak seluruh kasus bisa berbentuk linear Memahami algoritma non-linear regression Mengimplementasikan non-linear regression dengan python
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 16
Topik Algoritma Machine Learning: Classification
Deskripsi Singkat mengenai Topik 1.
2.
3.
Memahami pendekatan classification dan mengukur performa model Memahami algoritma K-Nearest Neighbor sebagai salah satu Classification Memahami algoritma Decision Tree sebagai salah satu Classification
Detail Materi Sesi 1 1.1
1.2
2.1
2.2 2.3
2.4
Memahami pendekatan classification dan perbedaannya dengan regression Memahami evaluasi pengukuran dengan Jaccard Index dan F1 score Memahami konsep dasar K-Nearest Neighbor Algoritma K-Nearest Neighbor Memahami decision boundary dengan K-Nearest Neighbor Mengimplementasikan K-Nearest Neighbor dengan python
Detail Materi Sesi 2 3.1 3.2 3.3
Memahami konsep dasar Decision tree Algoritma Decision Tree Mengimplementasikan Decision tree dengan python
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 17
Topik Algoritma Machine Learning: Classification Deskripsi Singkat mengenai Topik 4.
Memahami algoritma Logistic Regression sebagai salah satu Classification Memahami algoritma Support Vector
5. Machine sebagai salah satu Classification Detail Materi Sesi 1 4.1
4.2 4.3
Memahami konsep dasar Logistic Regression dan perbedaannya dengan Regression Algoritma Logistic Regression Mengimplementasikan Logistic Regression dengan Python
Detail Materi Sesi 2 5.1
5.2 5.3
Memahami konsep dasar Support Vector Machine Algoritma Support Vector Machine Mengimplementasikan Support Vector Machine dengan python
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 18
Topik Algoritma Machine Learning: Clustering
Deskripsi Singkat mengenai Topik 1.
2.
3.
Memahami pendekatan clustering dan perbedaannya dengan classification Memahami algoritma K-Means sebagai salah satu Clustering Memahami Hierarchial Clustering sebagai salah satu Clustering
Detail Materi Sesi 1 1.1 1.2
1.3
2.1 2.2 2.3
Memahami pendekatan clustering Mengetahui perbedaan clustering dengan classification Mengetahui mengapa clustering dibutuhkan dalam beberapa kasus Memahami konsep dasar K-Means Algoritma K-Means Mengimplementasikan K-Means dengan python
Detail Materi Sesi 2 3.1 3.2 3.3
Memahami konsep Hierarchial Clustering Algoritma Hierarchial Clustering Mengimplementasikan Hierarchial Clustering dengan python
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 19
Topik Algoritma Machine Learning: Clustering
Deskripsi Singkat mengenai Topik 4.
5.
Memahami DBSCAN sebagai salahsatu Clustering Mengimplementasikan salah satu algoritma machine learning.
Detail Materi Sesi 1 4.1 4.2 4.3
Memahami konsep DBSCAN Algoritma DBSCAN Mengimplementasikan DBSCAN dengan python
Detail Materi Sesi 2 5.1 Bereksplorasi memecahkan permasahalan machine learning dengan sebuah dataset dan mengimplementasikannya di python tanpa notebook dari Instruktur
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 20
Topik Recommender System
Deskripsi Singkat mengenai Topik 1. 2.
3.
Memahami Recommender System Memahami Content Based sebagai salah satu pendekatan recommender system Memahami Collaborative Filter sebagai salah satu pendekatan recommender system
Detail Materi Sesi 1 1.1
1.2
2.1
2.2
Memahami apa yang dimaksud dengan terminologi Recommender System Mengetahui dua pendekatan Recommender System, Content based dan Colaborative Filtering Memahami konsep Content Based Recommender System Mengimplementasikan Conent Based Recommender System dengan python
Detail Materi Sesi 2 3.1
3.2
Memahami konsep Collaborative Filtering Recommender System Mengimplementasikan Collaborative Filtering dengan python
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 21
Topik Project Machine Learning
Deskripsi Singkat mengenai Topik Evaluasi kemampuan analisis dan pemecahan
masalah sebuah studi kasus machine learning Detail Materi Sesi 1 1.1 Menyelesaikan project yang ada dalam
project description
Detail Materi Sesi 2 1.2 Menyelesaikan project yang ada dalam project description
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN Pertemuan ke 22
Topik Ujian Pertengahan
Deskripsi Singkat mengenai Topik 1.
2.
Evaluasi pemahaman Amazon Web Service Evaluasi pemahaman Machine Learning
Detail Materi Sesi 1 1.1 Simulasi Ujian AWS
Detail Materi Sesi 2 2.1 Ujian pilihan ganda machine learning
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 23
Topik Pengantar Neural Network Deskripsi Singkat mengenai Topik 1.
2. Memahami konsep dasar neural network Memahami terminologi error/cost function
Detail Materi Sesi 1 1.1
1.2
1.3
Hubungan logistic regression dengan perceptron dalam neural network Konsep dasar Neural network dan Komponen Perceptron (Weight, Bias, Activation function) Mengimplementasikan perceptron untuk logika AND dan OR
Detail Materi Sesi 2 2.1
2.2
2.3
Memahami step function vs sigmoid function Binary classification (sigmoid) vs Multiclass classification (softmax) Memahami cross corelation sebagai salah satu error function yang paling umum digunakan
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 24 Topik Pengantar Neural Network
Deskripsi Singkat mengenai Topik 3. 4.
Memahami algoritma gradient descent Mengenal Multi-layer perceptron neural network dan algoritma training backpropagation.
Detail Materi Sesi 1 3.1
3.2 3.3
Memahami peran error/cost function dalam pencarian model yang paling optimal Memahami apa itu gradient Memahami algoritma gradient descent
Detail Materi Sesi 2 4.1
4.2
4.3
Memahami arsitektur multi-layer perceptron Memahami algoritma training multi-layer perceptron neural network dengan Backpropagation Mengimplementasikan Neural Network secara keseluruhan
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 25 Topik Pengantar Deep Learning
Deskripsi Singkat mengenai Topik 1. 2.
Memahami konsep dasar deep learning Mengetahui beberapa model arsitektur yang umum digunakan dalam sebuah permasalahan
Detail Materi Sesi 1 1.1 1.2
1.3
1.4
Memahami terminologi Deep Learning Mengetahui alasan penggunaan Deep Learning Mengetahui pilihan deep net yang tepat untuk sebuah studi kasus tertentu Memahami bahwa deep learning memiliki tantangannya sendiri dan permasalahannya
Detail Materi Sesi 2 2.1
2.2
2.3
2.4
Mengetahui model arsitektur CNN secara garis besar Mengetahui model arsitektur RNN secara garis besar Mengetahui model arsitektur RBM secara garis besar Mengetahui model arsitektur DBN secara
2.5
2.6
garis besar Mengetahui model arsitektur AE secara garis besar Mengetahui model arsitektur RNTN secara garis besar
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN Pertemuan ke 26
Topik Pengantar Deep Learning
Deskripsi Singkat mengenai Topik 3. Mengenal library dan platform deep learning serta berinteraksi dengan beberapa diantaranya
Detail Materi Sesi 1 3.1
3.2
Mengetahui beberapa library deep learning yang umum digunakan (Theano, H2O, Caffe, Torch) Mengenal beberapa platform deep learning terintegrasi yang umum digunakan (AWS, H2O, Deeplearning4j, predictionIO)
Detail Materi Sesi 2 3.3 Bermain Deep Learning dengan beberapa platform online yang tersedia (Deepcognition, Playground)
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 27
Topik Pengantar Deep Learning
Deskripsi Singkat mengenai Topik 4. Mengenal library Tensorflow sebagai salah satu library yang paling sering digunakan dalam implementasi deep learning
Detail Materi Sesi 1 4.1 4.2 4.3 4.4
Mengenal library tensorflow Mengenal tipe data tensor Mengetahui arsitektur tensorflow Mengimplementasikan program dasar dengan tensorflow pertama
Detail Materi Sesi 2 4.5 Mengimplementasikan linear regression dan logistic regression menggunakan library tensorflow
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN Pertemuan ke 28
Topik Supervised dan Unsupervised Deep Learning
Deskripsi Singkat mengenai Topik 1. Memahami lebih dalam dan mengimplementasikan arsitektur Convolutional Neural Netwok (CNN)
Detail Materi Sesi 1 1.1
1.2 1.3
1.4
Mengetahui cara manusia memahami gambar Memahami operasi konvolusi Memahami cara kerja arsitektur Convolutional Neural Network (Convolution Layer, Max Pooling Layer, Fully Connected Layer) Memahami proses training CNN
Detail Materi Sesi 2 1.5 Mengimplementasikan arsitektur Convolutional Neural Network menggunakan tensorflow
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 29
Topik Supervised dan Unsupervised Deep Learning
Deskripsi Singkat mengenai Topik 2. Memahami lebih dalam dan mengimplementasikan arsitektur Recurrent Neural Network (RNN) dan Long Short Term Memory (LSTM)
Detail Materi Sesi 1 2.1
2.2 2.3 2.4
Memahami permasalahan data sequential Memahami cara kerja arsitektur Recurrent Neural Network (RNN) dan mengetahui masalah mendasar pada arsitektur ini Memahami arsitektur Long Short Term Memory (LSTM) sebagai pengganti RNN Mengetahui manfaat LSTM dalam language modelling
Detail Materi Sesi 2 2.5 Mengimplementasikan RNN dan LSTM menggunakan tensorflow
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 30
Topik Supervised dan Unsupervised Deep Learning Deskripsi Singkat mengenai Topik 3. Memahami lebih dalam dan
mengimplementasikan arsitektur Restricted Boltzman Machine (RBM)
Detail Materi Sesi 1 3.1
3.2
3.3
Memahami arsitektur Restricted Blotzmann Machine (RBM) Memahami kasus yang bisa diselesaikan dengan arsitektur RBM Memahami cara training RBM
Detail Materi Sesi 2 3.4 Mengimplementasikan RBM menggunakan tensorflow
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 31
Topik Supervised dan Unsupervised Deep Learning
Deskripsi Singkat mengenai Topik 4. Memahami lebih dalam dan mengimplementasikan arsitektur Autoencoder (AE)
Detail Materi Sesi 1 4.1
4.2
4.3 4.4
Memahami motivasi awal arsitektur Autoencoder (AE) diciptakan Mengetahui permasalahan dimensi dan dimensionality reduction dengan PCA Memahami arsitektur Autoencoder Mengetahui kasus-kasus yang dapat diselesaikan dengan Autoencoder (AE)
Detail Materi Sesi 2 4.5 Mengimplementasikan AE menggunakan tensorflow
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 32
Topik Accelerated Deep Learning
Deskripsi Singkat mengenai Topik 1.
2.
Memahami GPU sebagai pemroses alternatif yang lebih cepat dibanding CPU Mempraktikkan dan memperbandingkan secara langsung Deep Learning dengan menggunakan CPU dan GPU
Detail Materi Sesi 1 1.1
1.2
Memahami permasalahan yang muncul jika data yang berjumlah besar Memahami bahwa multiplikasi matriks
1.3
1.4
dalam deep learning sangat memakan resource Memahami Graphical Processing Unit sebagai alternatif sumber daya pemrosesan Memahami perbedaan pemrosesan antara CPU dan GPU dan alasan mengapa GPU lebih unggul dari CPU
Detail Materi Sesi 2 2.1 Praktik implementasi salah satu algoritma deep learning dan melakukan perbandingan performa antara CPU dengan GPU
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 33 Topik Distributed dan Accelerated Deep Learning
Deskripsi Singkat mengenai Topik 1.
2.
Memahami alasan penggunaan platform cloud deep learning Memahami distributed deep learning
Detail Materi Sesi 1 1.1 1.2 1.3
GPU sebagai hardware accelerator Keterbatasan performa GPU Solusi menggunakan Cloud Platform
Detail Materi Sesi 2 2.1 Apa itu distributed deep learning Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 34
Topik Project Deep Learning
Deskripsi Singkat mengenai Topik 1. Evaluasi kemampuan analisis dan pemecahan masalah sebuah studi kasus Deep Learning
Detail Materi Sesi 1 1.1 Menyelesaikan project yang ada dalam project description
Detail Materi Sesi 2 1.2 Menyelesaikan project yang ada dalam project description
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 35
Topik Project Deep Learning Deskripsi Singkat mengenai Topik 2. Evaluasi kemampuan membuat laporan
dan presentasi sebuah studi kasus Deep Learning
Detail Materi Sesi 1 2.1 Presentasi project penyelesaian studi kasus yang telah dikerjakan pada hari sebelumnya
Detail Materi Sesi 2 2.2 Presentasi project penyelesaian studi kasus yang telah dikerjakan pada hari sebelumnya
Link Materi http://bit.ly/2FRVP5f
RENCANA PEMBELAJARAN
Pertemuan ke 36
Topik Ujian Akhir
Deskripsi Singkat mengenai Topik 1.
2.
Mengingat kembali seluruh materi dalam rangkaian pelathian yang telah dijalani Evaluasi pemahaman Deep Learning
Detail Materi Sesi 1 1.1 Memahami dan mengingat kembali materi pelatihan dari Machine Learning sampai Deep Learning
Detail Materi Sesi 2 2.1 Ujian pilihan ganda machine learning
Link Materi http://bit.ly/2FRVP5f