Text

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.\\r\\nDaftar Isi\\r\\nPrakata ii\\r\\n\\r\\nDaftar Isi iv\\r\\n\\r\\nDaftar Gambar vi\\r\\n\\r\\n1 Perkenalan Machine Learning 1\\r\\n\\r\\n1.1 Definisi Machine Learning 6\\r\\n\\r\\n1.2 Sejarah Singkat ML 9\\r\\n\\r\\n1.3 Machine Learning Sebagai Cabang AI 13\\r\\n\\r\\n1.4 Contoh sederhana aplikasi ML 16\\r\\n\\r\\n1.5 Klasifikasi Machine Learning 23\\r\\n\\r\\n1.6 Algoritma Machine Learning 26\\r\\n\\r\\n1.7 Aplikasi Machine Learning 29\\r\\n\\r\\n1.8 Ringkasan Materi Error! Bookmark not defined\\r\\n\\r\\n1.9 Latihan 34\\r\\n\\r\\n2 Teori Pendukung Machine Learning 35\\r\\n\\r\\n2.1 Kemampuan Komputasi 36\\r\\n\\r\\n2.2 Pondasi Matematika dan Statistika 60\\r\\n\\r\\n3 Machine Learning Lifecycle 79\\r\\n\\r\\n3.1 Pengumpulan Data (Data Aquisition) 81\\r\\n\\r\\n3.2 Persiapan Data 87\\r\\n\\r\\n3.3 Pelatihan dan Uji Coba Model 111\\r\\n\\r\\n3.4 Model Deployment 120\\r\\n\\r\\n3.5 Studi Kasus 1. Pengumpulan data berita 121\\r\\n\\r\\n3.6 Studi Kasus - Data Preprocessing 126\\r\\n\\r\\n4 K-Nearest Neighbors 133\\r\\n\\r\\n4.1 Definisi K-Nearest Neighbors (KNN) 134\\r\\n\\r\\n4.2 Jarak Data KNN 135\\r\\n\\r\\n4.3 Implementasi K-NN 146\\r\\n\\r\\n4.4 Keunggulan dan Kelemahan KNN 148\\r\\n\\r\\n4.5 Studi Kasus - Klasifikasi Buah 150\\r\\n\\r\\n4.6 K-Dimensional Tree 155\\r\\n\\r\\n5 Regresi Linier 159\\r\\n\\r\\n5.1 Regresi Linier Sederhana 161\\r\\n\\r\\n5.2 Regresi Linier Berganda 172\\r\\n\\r\\n5.3 Studi Kasus Regresi Linear Berganda 173\\r\\n\\r\\n5.4 Studi Kasus Prediksi Penggunaan Bahan Bakar Mobil 176\\r\\n\\r\\n6 Regresi Logistik 183\\r\\n\\r\\n6.1 Fungsi Logistik 184\\r\\n\\r\\n6.2 Persamaan Regresi Logistik 185\\r\\n\\r\\n6.3 Implementasi 185\\r\\n\\r\\n6.4 Studi Kasus Pendeteksian Penyakit Diabetes 187\\r\\n\\r\\n7 Naive Bayes 193\\r\\n\\r\\n7.1 Terorema Bayes 194\\r\\n\\r\\n7.2 Naïve Bayes Clasifier 201\\r\\n\\r\\n7.3 Gaussian Naïve Bayes 209\\r\\n\\r\\n7.4 Studi Kasus - Prediksi Income 211\\r\\n\\r\\n8 Klasterisasi K-Mean 217\\r\\n\\r\\n8.1 Algoritma K-Mean 218\\r\\n\\r\\n8.2 Implementasi K-Mean 222\\r\\n\\r\\n8.3 Studi Kasus Segmentasi Pelanggan Mall 225\\r\\n\\r\\nDaftar Pustaka 239\\r\\n\\r\\nIndek 240

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

005

Penerbit

Riau : UR PRESS., 2021

Deskripsi Fisik

254 hal

Bahasa

Indonesia

ISBN/ISSN

9786232550925

Klasifikasi

005

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Machine Learning

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Ibnu Daqiqil id

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar