BD003
Machine Learning
Machine Learning mempelajari metode pembelajaran otomatis dari data untuk membuat prediksi atau keputusan. Mata kuliah ini mencakup supervised, unsupervised, dan semi-supervised learning, serta evaluasi model. Mahasiswa akan memahami teori probabilistik di balik algoritma populer dan menggunakannya untuk menyelesaikan masalah klasifikasi, regresi, dan clustering. Pendekatan analitis digunakan untuk menilai performa dan generalisasi model.
Referensi: Murphy, K. P. (2012). Machine Learning: A Probabilistic Perspective. MIT Press.
Dukungan ke profil lulusan
Skor = jumlah bobot CPL BD003 yang dipetakan ke profil tersebut. Garis putus = ambang 75% yang dipakai untuk rekomendasi centang PL di LKPS 2.B.1.
CPMK
Bobot CPMK = porsi CPMK dalam penilaian mata kuliah; sel berwarna = bobot CPL di dalam CPMK.
| CPMK | Rumusan | Bobot | CPL01 | CPL02 | CPL03 | CPL04 | CPL05 | CPL06 | CPL07 | CPL08 |
|---|---|---|---|---|---|---|---|---|---|---|
| CPMKBD00311 | Mampu menunjukkan sikap bertanggung jawab, etika akademik, dan kemandirian dalam mempelajari, menerapkan, serta mengevaluasi konsep dan algoritma machine learning dalam penyelesaian permasalahan berbasis data. | 20% | 10 | 30 | 20 | 20 | 20 | |||
| CPMKBD00322 | Menguasai konsep teoretis machine learning serta metode pembelajaran untuk pemodelan dan prediksi data. | 20% | 10 | 25 | 25 | 20 | 20 | |||
| CPMKBD00343 | Mampu merancang sistem machine learning berdasarkan spesifikasi data dan kebutuhan pengguna. | 20% | 10 | 25 | 25 | 20 | 20 | |||
| CPMKBD00344 | Mampu merancang pengembangan lanjutan sistem machine learning sesuai kebutuhan performa dan akurasi pengguna. | 20% | 10 | 20 | 30 | 20 | 20 | |||
| CPMKBD00355 | Mampu mengimplementasikan metode machine learning ke dalam aplikasi sesuai spesifikasi fungsional dan kebutuhan pengguna. | 20% | 10 | 20 | 30 | 20 | 20 |