Memahami Konsep Dan Implementasi Machine Learning
Download Memahami Konsep Dan Implementasi Machine Learning PDF/ePub or read online books in Mobi eBooks. Click Download or Read Online button to get Memahami Konsep Dan Implementasi Machine Learning book now. This website allows unlimited access to, at the time of writing, more than 1.5 million titles, including hundreds of thousands of titles in various foreign languages.
Memahami Konsep dan Implementasi Machine Learning
Author: Prihandoko Prihandoko
language: id
Publisher: PT. Sonpedia Publishing Indonesia
Release Date: 2024-02-17
Buku Memahami Konsep dan Implementasi Machine Learning ini, menyajikan materi yang lengkap mulai dari Dasar-dasar Machine Learning, Pengumpulan dan Pemrosesan Data, Algoritma Machine Learning Populer, Evaluasi Model dan Tuning, Implementasi Machine Learning Serta Etika dan Tanggung Jawab dalam Machine Learning. Manfaat dari buku ini diharapkan digunakan sebagai pondasi utama dalam pembelajaran Machine Learning lanjutan. Buku ini Penulis rancang secara sistematis yang dapat digunakan sebagai referensi dalam pembelajaran machine learning.
MACHINE LEARNING : Teori, Studi Kasus dan Implementasi Menggunakan Python
Machine Learning (ML) sudah menjadi bagian dalam kehidupan sehari-hari. Dengan mengimplementasikan ML saat ini kita dapat menikmati kemudahan-kemudahan seperti memerintahkan Smartphone untuk memutarkan lagu favorit. Selain itu, kita dapat mengimplementasikannya pada banyak jenis kasus mulai dari diagnosa perawatan medis hingga mendapatkan rekomendasi film yang harus ditonton. Penulis mencoba mengemas buku ini secara praktis, tidak berbelit-belit dan langsung tepat pada sasaran dan disertai dengan contoh implementasi menggunakan Bahasa Python. Buku ini cocok untuk dibaca oleh pemula yang baru mulai belajar tentang Machine Learning. Penulis mencoba menyajikan teori-teori dasar secara ringkas, sehingga pembaca akan diarahkan memahami lebih dalam tentang ML dengan memberikan ilustrasi dan analogi yang mudah dipahami. Buku disusun atas empat kategori diantaranya Pengenalan ML; Teori Pendukung ML; ML Lifecyle dan Algoritma-Algoritma ML. Bagi pembaca yang baru mempelajari, disarankan agar membaca buku secara berurutan. Namun apabila telah memiliki pengetahuan awal tentang ML dapat memulai dari ML Lifecyle. Selanjutnya pada bagian algoritma-algoritma ML, penulis memilih algoritma-algoritma dasar yang dibagi menjadi dua kelompok yaitu Supervised Learning dan Unsupervised Learning. Segala materi, dataset dan Source Code pada buku ini dapat diakses di http://ibnu.daqiqil.id Dengan segala kerendahan hati dan keterbukaan, penulis menyampaikan rasa terima kasih kepada pihak-pihak yang telah membantu proses pembuatan buku ini terutama LPPM Universitas Riau serta kritik agar buku ini dapat menuju kesempurnaan. Akhir kata, penulis berharap agar buku ini dapat membawa manfaat kepada pembaca. Secara khusus, penulis berharap semoga buku ini dapat menginspirasi generasi bangsa ini agar menjadi generasi yang tanggap dan tangguh.
Machine Learning dan Deep Learning-Konsep dan Pemrograman Python
Author: Prof. Drs. Ec. Ir. Riyanarto Sarno, M. Sc., Ph. D.
language: id
Publisher: Penerbit Andi
Release Date:
Buku ini disusun berdasarkan pengalaman dan kolaborasi penelitian bersama kolega praktisi dan dosen dari Institut Teknologi Sepuluh Nopember, Kyushu Institute of Technology, Universitas Airlangga, Universitas Surabaya, Universitas Indonesia, Institut Teknologi Bandung, Universitas Telkom Bandung, Universitas Gadjah Mada, Universitas Hasanudin dan perguruan tinggi lain. Buku ini untuk pembelajaran Machine Learning (ML) dan Deep Learning (DL) secara konsep dan pemrograman. Pembahasan konsep memberi landasan keilmuan ML dan DL, kemudian pemaparan dasar pemrograman untuk memandu penulisan program ML dan DL secara mudah dimengerti. Aplikasi ML dan DL juga dibahas untuk memandu pembuatan program yang lebih lengkap. Pada setiap materi akan disajikan contoh dan program python sehingga dapat memudahkan Anda untuk mengimplementasikan secara langsung. Topik yang dibahas dalam buku meliputi: 1. Pengenalan artificial intelligence, machine learning, deep learning, perbedaan supervised learning dan unsupervised learning, instalasi python dan bahasa pemrograman python; 2. Analisis data statistik, ekstraksi dan seleksi fitur, pre-processing data, aggregation, normalisasi, reduksi dimensi, validasi data dan metode evaluasi; 3. Metode Clustering; 4. Metode Klasifikasi; 5. Metode Regresi; 6. Algoritma Neural Network (pa ra meter dan hyperparameter); 7.Algoritma Deep Learning (Deep Neural Network, Convolution Neural Network, Fully Connected Deep Network, Recurrent Neural Network), autoencoder, optimizer dan activation function. Buku ini dilengkapi dengan pembahasan artikel jurnal bereputasi internasional berindeks Scopus QI dan memiliki Impact Factor dari Web of Science. Teori dan aplikasi yang dipaparkan pada buku ini termasuk State of The Art, sehingga dapat digunakan oleh pemula, mahasiswa sarjana, dan pasca sarjana maupun peneliti.