Machine Learning - 2026/2

Mata kuliah ini memberikan pemahaman komprehensif tentang konsep, teori, dan aplikasi machine learning. Mahasiswa akan belajar menjelaskan prinsip-prinsip dasar supervised, unsupervised, dan reinforcement learning, serta memahami istilah-istilah umum seperti dataset, feature, instance, class, label, training, testing, dan model. Selain itu, mahasiswa akan menguasai dasar-dasar pemrograman Python, termasuk conditional statement, input/output, looping, dan struktur data, serta mampu membaca dan memvisualisasikan dataset. Pembelajaran berlanjut dengan mengimplementasikan proses pelatihan dan pengujian dataset, serta menerapkan tahapan inti machine learning melalui kasus sederhana. Mahasiswa juga akan menelaah dan menguraikan struktur dataset menggunakan teknik seperti exploratory data analysis (EDA) dan principal component analysis (PCA) untuk mengidentifikasi pola dan anomali. Validasi kualitas dan hasil analisis dataset dilakukan dengan pendekatan seperti k-fold cross-validation dan bootstrap sampling untuk meningkatkan keandalan model. Mahasiswa akan belajar mengorganisasikan dataset dari berbagai sumber dengan teknik seperti feature engineering, data augmentation, normalisasi, dan ensemble methods. Analisis dataset untuk mengidentifikasi pola dan tren yang signifikan serta melakukan EDA menjadi bagian penting untuk mendapatkan wawasan awal tentang data. Selain itu, pemilihan pendekatan machine learning yang tepat serta penerapan teknik optimasi seperti hyperparameter tuning akan diajarkan untuk memaksimalkan kinerja model. Mahasiswa akan menguji dan mengukur karakteristik dataset menggunakan pustaka Python seperti Pandas dan NumPy, serta mengevaluasi efektivitas berbagai pendekatan machine learning dengan metrik kinerja seperti accuracy, precision, recall, F1-score, dan ROC-AUC. Akhirnya, mahasiswa akan mampu merekomendasikan solusi machine learning yang tepat, merancang arsitektur model yang sesuai dengan kebutuhan spesifik, dan membangun serta mengimplementasikan model secara end-to-end untuk aplikasi nyata, mulai dari pengumpulan data hingga deployment.