Artificial Intelligence : Dasar Machine Learning (Data Visualization) SEAMOLEC

Artificial Intelligence : Dasar Machine learning (Data Visualization)

Machine Learning adalah cabang aplikasi dari Artificial Intelligence (Kecerdasan Buatan) yang dapat meningkatkan performa sebuah sistem. Dengan machine learning, sistem yang akan dibuat dapat "belajar" sendiri tanpa perlu diprogram kembali. Hal ini tentunya dapat mempersingkat waktu dan tenaga, yang dibutuhkan untuk me-maintain sistem yang kalian miliki.

Tujuan Pembelajaran

Tujuan Umum (General Objective):

Mahasiswa mampu Memahami konsep dasar teknologi Artificial Intelligence dan Machine Learning serta dapat mengimplementasikan dalam bentuk project sederhana.

Tujuan Khusus (Specific Objectives):

Hard Skill

• Mampu Memahami konsep AI (Supervised learning)
• Mampu Memahami konsep AI (Unsupervised learning)
• Mahasiswa mampu mengidentifikasi dan menyiapkan data yang akan digunakan sebagai dataset pada machine learning (praproses data)
• Mahasiswa mengetahui dan mampu mengopreasikan tools yang sering digunakan dalam pengelolaan data pada Machine learning
• Mahasiswa mampu explorasi data menerapkan visualisasi data/explorasi yang telah dibuat.

Soft Skill

• Mampu menganalisa teknologi kecerdasan buatan dan bahasa pemrograman
• Mampu untuk mengidentifikasikan masalah
• Mampu mengembangkan ide dalam pembuatan project
• Mahasiswa mampu mengidentifikasi dan menyiapkan data yang akan digunakan sebagai dataset project.
• Mampu mempresentasikan project yang dihasilkan dengan jelas dan sistematis

Kompetensi

Program ini disusun dengan pencapain kompetensi mahasiswa dalam setiap tahapan dimana Mahasiswa mampu Memahami konsep dasar teknologi Artificial Intelligence dan machine learning serta dapat mengimplementasikan dalam bentuk project sederhana.

Detail Pembelajaran

Detail pembelajaran disampaikan secara daring disesuaikan dengan kondisi masa pandemic covid19. Materi, pembelajaran, Referensi dan studi kasus Latihan dapat diakses dan dikerjakan secara daring dengan pendampingan instruktur dan fasilitator pelatihan.

Durasi : 1 Semester (6 Bulan)

Jumlah SKS : 20 SKS

Tipe Aktivitas : Pembelajaran Daring (Online)

Learning Resources : MOOC SEAMOLEC, Kaggle, Google Collabs, AI Simulator