Python Machine Learning: Klasifikasi dan Pembelajaran Tersupervisi — PickAClass
3.8 (5) ⏱ 2 jam 30 mnt 📚 25 pelajaran 🎧 Versi audio

Python Machine Learning: Klasifikasi dan Pembelajaran Tersupervisi

Belajar membangun, menyesuaikan, dan mengevaluasi model klasifikasi dalam Python, dari regresi logistik hingga metode ensemble, menggunakan aliran kerja ilmu data dunia nyata.

  • 💬 Instruktur AI
    Tanyakan apa pun tentang pelajaran dan dapatkan jawaban jelas seketika, kapan saja.
  • 🕐 Mulai kapan saja
    Tanpa jadwal atau tenggat — belajar dengan kecepatan sendiri, kapan pun Anda mau.
  • 🌐 Dalam bahasa Indonesia
    Pelajaran, tugas, dan sertifikat — semuanya sepenuhnya dalam bahasa Anda.

Tentang kursus ini

Siap untuk membuka kekuatan model prediktif dan pengambilan keputusan berbasis data? machine learning yang diawasi, khususnya klasifikasi, adalah salah satu keterampilan yang paling penting bagi para profesional data modern. Kursus berbasis teks ini memandu Anda langkah demi langkah melalui seluruh aliran kerja ilmu data menggunakan Python. Anda akan belajar bagaimana membersihkan data mentah, merancang fitur berkualitas tinggi, dan melatih model klasifikasi yang kuat untuk memprediksi kategori dan memecahkan tantangan bisnis dunia nyata. Sepanjang prosesnya, Anda akan menemukan cara untuk mengatasi tantangan data yang rumit seperti ketidakseimbangan kelas dan memastikan bahwa saluran machine learning Anda bersih, dapat direproduksi, dan terstruktur sesuai dengan standar industri modern. Apa yang akan kau pelajari: - Mengerti konsep dasar dari supervised machine learning dan workflow klasifikasi. - Melakukan analisis data eksplorasi dan rekayasa fitur menggunakan konvensi perpustakaan Python modern. - Membuat dan mengevaluasi model klasifikasi termasuk Regresi Logistik, K-Nearest Neighbors, dan Pohon Keputusan. - Terapkan metode ensemble canggih seperti Random Forests dan Gradient Boosting untuk meningkatkan akurasi prediksi. - Alamat ketidakseimbangan kelas menggunakan teknik seperti ambang batas tuning, SMOTE, dan kelas bobot. - Implementasi aliran kerja pipa bersih dalam Python untuk memastikan eksperimen ilmu data yang dapat direproduksi. Kursus ini dimulai dengan konsep dasar dan terminologi inti sebelum bergerak secara sistematis melalui persiapan data, pelatihan model, dan evaluasi kinerja. Anda akan membaca penjelasan tertulis yang jelas, menganalisis potongan kode yang terstruktur, dan bekerja melalui skenario bisnis praktis yang melibatkan risiko kredit untuk memperkuat pembelajaran Anda. Kursus ini dirancang untuk pemula yang ingin bertransisi ke ilmu data atau machine learning. Keterampilan dasar dengan sintaks Python akan membantu, tetapi tidak diperlukan pengalaman machine learning sebelumnya. Mulai membaca hari ini untuk membangun model machine learning supervised pertama Anda dengan percaya diri.

Apa yang Anda dapatkan

  • 📜 Sertifikat penyelesaian
    Tambahkan ke profil LinkedIn Anda
  • 💬 Tutor AI pribadi
    Bingung di tengah pelajaran? Tanya tutor bawaan kamu apa saja, kapan saja.
  • 🎧 Termasuk versi audio
    Belajar di mana saja — tanpa layar
  • ♾️ Akses seumur hidup
    Kembali kapan saja, tanpa kedaluwarsa
  • 📱 Ponsel atau komputer
    Berfungsi di mana saja, perangkat apa saja
  • 💸 Pengembalian 14 hari
    Tanpa pertanyaan
  • Singkat dan fokus
    2 jam 30 mnt konten praktis

Sertifikat penyelesaian

Setiap kursus yang Anda selesaikan di PickAClass menerbitkan kredensial seperti ini — orisinal, dengan kodenya sendiri, dapat diverifikasi via URL, dan rinci tentang yang benar-benar ditunjukkan.

P
PickAClass
Profil keterampilan · terverifikasi
Dokumen
Sertifikat Penguasaan
Ini menyatakan bahwa
Nama Lengkap
telah berhasil menunjukkan penguasaan
Python Machine Learning: Klasifikasi dan Pembelajaran Tersupervisi
Keterampilan yang ditunjukkan
Analisis pola perilaku
Dasar
1.2 jam
Kerangka arsitektur keputusan
Mahir
1.4 jam
Desain uji A/B
Mahir
1.7 jam
Copywriting perilaku
Lanjutan
1.9 jam
P
PickAClass — Nama Lengkap
Python Machine Learning: Klasifikasi dan Pembelajaran Tersupervisi
Halaman 2 dari 2
Detail kinerja
Ringkasan tugas kursus
Pelajaran selesai 14 / 14
Soal latihan 26 / 28
Tugas dikirim 4 (rata 4,5 / 5)
Proyek capstone Ditinjau — 4,6 / 5
Total latihan 6.2 jam
Tolok ukur kinerja
Peringkat kohort 12% teratas dari 1,625
Waktu penyelesaian 11 hari (median: 22)
Skor penguasaan 91 / 100
Skor soal latihan 94%
Verifikasi keterampilan Jalur Keterampilan terverifikasi
Verifikasi kredensial ini
pickaclass.com/certificates/PCC-2026-X4F7-AP19
Diterbitkan di bawah standar akademik PickAClass. Tingkat keterampilan mencerminkan kinerja yang dinilai terhadap rubrik kompetensi kursus. Ini kredensial orisinal platform ini.

Ulasan (5)

حسن الشابي TN
★ 4 · 10.09.2026

Ini adalah pengenalan yang baik, bisa dibantu dengan contoh yang lebih beragam dan sedikit lebih baik antara modul.

Isabelle Clark AU
★ 3 · 06.09.2026

itu adalah kursus yang solid strukturnya logis dan kebanyakan contohnya membantu bisa menggunakan beberapa skenario dunia nyata.

Александр Кузнецов RU
★ 4 · 27.08.2026

pengenalan yang bagus strukturnya jelas, tapi aku berharap ada beberapa contoh dunia nyata lagi, belajar banyak.

Hannah Hoffmann CH
★ 4 · 26.08.2026

Lebih dari harapan saya! Strukturnya logis, dan skenario dunia nyata benar-benar membantu menyemen pembelajaran. nilai besar.

Camila Herrera AR Pelajar terverifikasi
★ 4 · 23.06.2026

Pengantar yang bagus. Saya menghargai langkah-langkah yang jelas, meskipun beberapa modul berikutnya dapat menggunakan lebih banyak contoh.

Tulis ulasan

Setelah mengirim kami akan meminta masuk — draf Anda tersimpan.

Pelajar lain juga mengambil

Pertanyaan umum

Apa yang saya butuhkan untuk mengikuti kursus ini? +

Cukup ponsel atau komputer dengan internet. Tidak ada instalasi atau perangkat khusus.

Bagaimana cara membayar? +

Dengan kartu via Stripe. Kami tidak menyimpan detail kartu — Stripe menanganinya dengan aman.

Bisakah saya mendapat refund? +

Ya — refund penuh dalam 14 hari, tanpa pertanyaan.

Berapa lama saya akan punya akses? +

Selamanya. Setelah membeli, kursus jadi milik Anda untuk dikunjungi lagi kapan saja.

Apakah saya akan mendapat sertifikat? +

Ya. Setelah selesai, Anda akan menerima sertifikat yang bisa ditambahkan ke profil LinkedIn.

Dibuat untuk pelajar di
Teknologi Desain Keuangan Pemasaran Kesehatan Pendidikan Perhotelan Manufaktur