Kursus pembelajaran mesin ini cocok untuk siapa?

Kursus ini ditujukan bagi manajer produk, pimpinan operasional dan keuangan, pendiri usaha, serta siapa saja yang diminta menyetujui, membeli, atau bekerja dengan sistem pembelajaran mesin. Anda mungkin sedang menelaah model prediksi kehilangan pelanggan dari pemasok, memutuskan apakah proyek peramalan layak didanai, atau menjelaskan fitur pembelajaran mesin kepada pelanggan.

Kursus pembelajaran mesin ini tidak cocok untuk siapa?

Ini bukan untuk orang yang sudah bekerja sebagai tenaga rekayasa pembelajaran mesin atau ilmuwan data dan menginginkan pelatihan spesialis tingkat lanjut. Jalur utama tidak memuat penurunan rumus matematika, dan pelajaran Kode opsional dalam Python dimulai dari nol, bukan dari tingkat penelitian. Jika Anda menginginkan jalur penuh waktu menuju pekerjaan di bidang pembelajaran mesin, carilah modul perkuliahan atau pelatihan intensif yang berfokus pada rekayasa; tidak ada jaminan mendapatkan pekerjaan di sini. Kursus ini ditujukan bagi orang yang bekerja bersama para pembangun teknologi tersebut, dan siapa pun yang ingin mulai mencoba secara langsung untuk pertama kalinya.

Apa yang akan saya pelajari di setiap modul?

Modul-modul ini membangun satu kerangka pemahaman tentang pembelajaran mesin, lalu menerapkannya pada keputusan yang benar-benar Anda hadapi.

1. Apa itu pembelajaran mesin

Mempelajari pola dari contoh alih-alih menulis aturan, serta perbedaannya dengan AI generatif dan otomatisasi sederhana.

2. Data pelatihan

Label, fitur, dan riwayat, serta mengapa kualitas model dibatasi oleh kualitas contoh yang digunakannya untuk belajar.

3. Model dan prediksi

Klasifikasi, prediksi angka, dan pemeringkatan, dijelaskan dengan contoh bisnis, bukan persamaan.

4. Evaluasi dan pencocokan berlebihan

Data uji, penjelasan sederhana tentang akurasi, presisi, dan sensitivitas, serta alasan model yang sempurna dalam pengujian bisa gagal saat digunakan.

5. Bias dan pergeseran

Bagaimana data historis menanamkan ketidakadilan, dan mengapa kinerja model menurun seiring perubahan pelanggan dan pasar.

6. Memberikan arahan dan mengajukan pertanyaan kritis tentang proyek pembelajaran mesin

Menentukan keputusan yang akan diambil, ukuran keberhasilan, biaya akibat kesalahan, serta pertanyaan untuk penyedia dan tim.

Bagaimana jalur pembelajaran yang dipersonalisasi menyesuaikan diri dengan kebutuhan saya?

Pemeriksaan penempatan mencari tahu apakah Anda baru mengenal topik ini atau sudah pernah mengikuti demonstrasi dari vendor, serta keputusan apa yang Anda buat. Contoh untuk manajer produk berkisar pada fitur rekomendasi dan pemeringkatan; untuk pemimpin keuangan pada prakiraan dan penanda kecurangan. Jika Anda sudah bisa menjelaskan perbedaan data pelatihan dan data pengujian, Anda langsung beralih ke evaluasi.

Apa yang saya latih?

Anda berlatih membaca, memberikan arahan, dan menguji pekerjaan pembelajaran mesin secara kritis. Tugas dinilai berdasarkan panduan penilaian yang dapat dilihat, disertai umpan balik spesifik, dan Anda dapat menandai nilai untuk ditinjau ulang.

Contoh tugas: sebuah perusahaan perangkat lunak fiktif, Lumen Ledger, diperlihatkan model prediksi pelanggan berhenti berlangganan milik pemasok dengan akurasi 95 persen. Hanya 4 persen pelanggan yang benar-benar berhenti berlangganan. Anda menjelaskan mengapa angka akurasi saja tidak banyak berarti, lalu membuat daftar informasi yang seharusnya Anda minta. Panduan penilaian memeriksa apakah Anda menyadari bahwa memprediksi 'tidak berhenti berlangganan' untuk semua pelanggan akan menghasilkan akurasi 96 persen, menanyakan berapa banyak pelanggan yang benar-benar berhenti berlangganan yang berhasil dideteksi model, menanyakan data apa yang digunakan untuk pengujian, dan menanyakan seberapa sering model akan dilatih ulang.

Berapa lama waktu yang dibutuhkan untuk menyelesaikan kursus pembelajaran mesin?

Setiap pelajaran berdurasi 10 hingga 15 menit. Panjang jalur pembelajaran Anda bergantung pada hasil tes penempatan dan seberapa rutin Anda belajar, jadi tidak ada jumlah jam yang tetap. Orang yang sudah memahami data dan statistik sering kali lebih cepat menyelesaikan modul-modul awal.

Apa yang saya dapatkan setelah selesai?

Anda mengakhiri kursus dengan penilaian praktik akhir: meninjau proposal pembelajaran mesin dan menulis memo keputusan singkat. Jika lulus, Anda memperoleh sertifikat yang diakui dalam dasar-dasar pembelajaran mesin untuk profesional. Sertifikat ini bukan kualifikasi terakreditasi dan tidak menyatakan bahwa Anda memiliki keterampilan rekayasa.

Berapa biayanya?

Dasar-dasar pembelajaran mesin disertakan dalam setiap paket. Paket Individu seharga USD 79 per bulan atau USD 790 per tahun. Paket Tim seharga USD 189 per bulan atau USD 1,890 per tahun untuk hingga 3 anggota, ditambah USD 49 per bulan atau USD 490 per tahun untuk setiap anggota tambahan. Tim dengan 25 anggota atau lebih mendapatkan harga berdasarkan volume. Anda dapat memulai dengan uji coba gratis selama 7 hari tanpa kartu kredit.