Pembelajaran mesin didefinisikan pada tahun 1959 oleh Arthur Samuel sebagai "bidang studi yang memberi komputer kemampuan untuk belajar tanpa diprogram secara eksplisit". Pemrograman Pembelajaran Mesin EITC/AI/MLPP dengan program Python bertujuan untuk memperkenalkan dasar-dasar pembelajaran mesin (termasuk pemahaman dasar teori) yang berfokus pada pemrograman dengan Python. Kecuali teori, ini mencakup aplikasi bersama dengan aspek teoretis dan praktis dari algoritma pembelajaran mesin yang diawasi, tidak diawasi, dan dalam. Program ini mencakup regresi linier, K Tetangga Terdekat, Mesin Vektor Dukungan (SVM), pengelompokan datar, pengelompokan hierarki, dan jaringan saraf. Ini mencakup pengertian dasar tentang algoritme yang terlibat dan logika di baliknya. Ini juga mencakup diskusi tentang aplikasi algoritma dalam pemrograman menggunakan kumpulan data nyata contoh bersama dengan modul (misalnya Scikit-Learn). Program ini juga akan mencakup detail dari masing-masing algoritme dengan mengimplementasikan algoritme ini dalam kode, termasuk matematika yang terlibat dengan wawasan tentang bagaimana tepatnya algoritme tersebut bekerja, bagaimana algoritme tersebut dapat dimodifikasi, dan apa saja propertinya, termasuk kelebihan dan kekurangannya. Algoritme yang terlibat dalam pembelajaran mesin agak sederhana (sebagaimana dikondisikan oleh kebutuhan penskalaannya untuk kumpulan data yang besar), seperti halnya matematika yang menjadi dasarnya (aljabar linier).
Sumber Referensi Kurikulum
Dokumentasi python
https://www.python.org/doc/
Python merilis unduhan
https://www.python.org/downloads/
Panduan Python untuk Pemula
https://www.python.org/about/gettingstarted/
Panduan Pemula Wiki Python
https://wiki.python.org/moin/BeginnersGuide
Tutorial Pembelajaran Mesin Python W3Schools
https://www.w3schools.com/python/python_ml_getting_started.asp
Unduh materi persiapan belajar mandiri offline lengkap untuk program Machine Learning EITC/AI/MLP dengan Python dalam file PDF
Materi persiapan EITC/AI/MLP – versi standar
Materi persiapan EITC/AI/MLP – versi diperpanjang dengan pertanyaan ulasan