Selamat datang! 👋
Repositori ini berisi semua kode, notebook, gambar, dan bahan materi lain yang terkait dengan Komunitas Data Mining (Daming) IPB.
Daming adalah komunitas untuk mahasiswa IPB University, khususnya untuk mahasiswa IPB yang mempunyai ketertarikan dengan dunia Data Science.
- 📚 Baca materi kursus dalam bentuk Website.
- ❓ Punya pertanyaan? Buat diskusi di grup
- 19 Februari 2025 - Membuat repositori untuk silabus materi pertemuan rutin Komunitas Data Mining IPB.
Daftar isi berikut berisi urutan pembelajaran yang telah disusun berdasarkan urutan yang disarankan dan sesuai dengan jalur pembelajaran pada pertemuan rutin.
Catatan: (Menyusul) Semua dataset yang digunakan dalam kursus ini tersedia di folder
data/.
| Bagian | Sumber | Deskripsi |
|---|---|---|
| 01 | Pengenalan Machine Learning dan Python | Pengenalan konsep dasar Machine Learning, bahasa pemrograman Python serta Google Colab sebagai platform pembelajaran. |
| 02 | Dasar-dasar Data Cleaning & Exploratory Data Analysis (EDA) | Pengenalan cara mengimpor dan melihat dataset sederhana dan dilanjut dengan pengenalan visualisasi data menggunakan chart sederhana (bar, line, scatter plot). |
| 03 | Dasar-dasar Supervised Learning | Pengenalan regresi linier sederhana dan pengenalan konsep klasifikasi dengan model sederhana. Mengevaluasi model dengan metrik dasar (misal: akurasi, MSE). |
| 04 | Dasar-dasar Unsupervised Learning | Pengenalan clustering dengan K-Means ataupun metode kain nya dan memembuat visualisasi hasil clustering. |
| 05 | Evaluasi Model dan Peningkatan Kinerja | Menkaji konsep overfitting dan underfitting. Ppengenalan teknik evaluasi model yang lebih mendalam (cross-validation sederhana) dan mempelajari cara meningkatkan performa model secara dasar. |
| 06 | Challenge 1 | Membangun proyek dengan menerapkan EDA dan membangun model sederhana (regresi atau klasifikasi) menggunakan dataset yang telah disediakan. |
| 07 | Pengenalan Deep Learning | Memahami konsep dasar neural networks dan perbedaannya dengan machine learning tradisional. Pengenalan framework TensorFlow/Keras dan cara menjalankannya di Google Colab. |
| 08 | Membangun Neural Network Sederhana | Memahami arsitektur dasar berupa input layer, hidden layers, dan output layer. Membangun dan melatih model neural network untuk klasifikasi digit (menggunakan dataset MNIST sederhana) |
| 09 | Optimasi dan Pengenalan Transfer Learning | Pengenalan teknik optimasi pada model deep learning (misalnya penggunaan optimizer seperti SGD dan Adam, penyesuaian learning rate). Pengenalan singkat tentang transfer learning dengan menggunakan model yang telah dilatih sebelumnya (misalnya MobileNet) untuk klasifikasi gambar sederhana. |
| 10 | Challenge 2 | Membangun proyek deep learning sederhana secara end-to-end, misalnya klasifikasi gambar menggunakan dataset yang mudah (seperti CIFAR-10 atau subset dataset gambar). |
- Penguasaan Teknik Machine Learning: Memahami konsep dasar dan teknik-teknik utama, termasuk supervised dan unsupervised learning, deep learning, serta evaluasi dan optimisasi model.
- Keterampilan Pengolahan dan Analisis Data: Melakukan preprocessing, eksplorasi, dan feature engineering untuk mengolah data sehingga siap untuk dibangun menjadi model machine learning yang efektif.
- Pengalaman Proyek dengan Challenge: Mengerjakan proyek machine learning secara menyeluruh, mulai dari pengumpulan data hingga deployment model, sehingga siap menghadapi tantangan dunia nyata.
- Copyright © 2025 - Data Mining IPB
- Disusun oleh: Raihan Putra Kirana