E-Learning
Inixindo

Machine Learning Engineer

Certified by Sertifikasi BNSP
5 Hari Entry Level

Pelatihan Machine Learning Engineer membekali peserta dengan keterampilan praktis dalam merancang, mengevaluasi, dan mengimplementasikan solusi machine learning…

favorite_border

Machine Learning Engineer

Pelatihan Machine learning Engineer memberikan pemahaman konseptual dan keterampilan praktis dalam merancang, membangun, mengevaluasi serta mengimplementasikan solusi machine learning secara end-to-end menggunakan python. Seluruh materi disampaikan melalui pendekatan hands-on berbasis studi kasus, sehingga peserta mampu menerapkan machine learning secara sistematis dan terukur dalam konteks kebutuhan bisnis dan organisasi.
Pelatihan ini juga diposisikan sebagai persiapan teknis dan konseptual untuk mengikuti uji kompetensi BNSP dengan skema Machine learning Engineer, khususnya pada aspek implementasi model, eksperimen, dan pengelolaan proyek machine learning.

Target Peserta

Pelatihan Machine Learning Engineer ini dirancang khusus untuk:

  • Data Scientist.

  • Software Engineer.

  • Programmer yang berkeinginan kuat untuk menguasai implementasi end-to-end machine learning di lingkungan kerja.

Pra Syarat

  • Peserta wajib memiliki pemahaman dasar terkait pemrograman, dan sangat diutamakan telah familiar dengan bahasa pemrograman Python.

  • Memiliki pemahaman dasar di bidang matematika dan ilmu statistik (statistics).

Hasil pembelajaran

Tujuan Pelatihan Machine Learning Engineer

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  • Menjelaskan konsep dasar, terminologi teknis, dan ruang lingkup fungsional dari machine learning.
  • Mengolah dan melakukan persiapan (pre-processing) data secara presisi menggunakan Python untuk kebutuhan analisis analitik dan pemodelan.
  • Membangun model komputasi, melatih algoritma, serta mengevaluasi model machine learning berdasarkan penggunaan metrik evaluasi yang relevan.
  • Mengimplementasikan (deployment) model machine learning tersebut secara mulus ke dalam sistem operasional dan menyusun laporan akhir proyek secara profesional.
Materi yang akan dipelajari

Apa yang Akan Anda Dapatkan & Pelajari dalam Pelatihan Machine Learning Engineer?

Kuasai alur komprehensif kecerdasan buatan, mulai dari persiapan data mentah, pembentukan algoritma model klastering dan prediksi klasifikasi, hingga eksekusi penyebaran (deployment) model di ekosistem kerja.

Pengenalan Machine learning

  • Konsep machine learning.

  • Machine learning lifecycle.

  • Implementasi machine learning.

  • Supervised vs unsupervised.

  • Key takeaways dalam machine learning.

Data Gathering

  • Jenis data yang kompatibel untuk machine learning.

  • Sumber data terstruktur dan tidak terstruktur.

  • Integrasi data dari berbagai sumber.

  • Tools dan data source yang umum digunakan.

  • Implementasi Python untuk pengambilan dan integrasi data.

Data Preparation

  • Karakteristik dan kualitas data yang baik.

  • Eksplorasi data.

  • Identifikasi masalah kualitas data.

  • Teknik dan tahapan pembersihan data.

  • Implementasi Python untuk pembersihan dan persiapan data.

Feature Engineering

  • Penentuan jenis machine learning dan label data.

  • Persiapan dan pemisahan dataset.

  • Optimasi fitur data (rescaling, transformasi).

  • Implementasi feature engineering menggunakan Python.

Unsupervised Learning

  • Konsep clustering.

  • Algoritma clustering.

  • Evaluasi hasil clustering.

  • Implementasi clustering menggunakan Python.

Supervised Learning: Klasifikasi

  • Konsep klasifikasi.

  • Algoritma klasifikasi.

  • Evaluasi hasil klasifikasi.

  • Implementasi klasifikasi menggunakan Python.

Supervised Learning: Regresi

  • Konsep regresi.

  • Algoritma regresi.

  • Evaluasi hasil regresi.

  • Implementasi regresi menggunakan Python.

Skenario Eksperimen Model

  • Struktur dokumen skenario eksperimen.

  • Pembuatan jadwal eksperimen.

  • Pelaksanaan eksperimen.

  • Pengujian model.

  • Penentuan hasil eksperimen.

Deployment dan Model Management

  • Penerapan dan deployment model machine learning ke sistem.

  • Pemeliharaan model dan monitoring performa.

  • Implementasi prinsip Pelindungan Data Pribadi (PDP) dalam machine learning.

Laporan Akhir Proyek Machine learning

  • Penyusunan laporan akhir proyek machine learning.

  • Dokumentasi teknis dan hasil analisis.

  • Penyajian rekomendasi berbasis data dan model.

Lab implementasi end-to-end

  • Studi kasus machine learning.

  • Evaluasi hasil lab.

  • Best practice data gathering, data preparation dan tools pendukung, pada proyek machine learning.

Temukan pelatihan mendatang lain untuk mendukung pengembangan kompetensi Anda.

Konsultasi WhatsApp
Inixindo