Ulasan MOOC: Machine Learning – Stanford University via Coursera

Ulasan

Judul/Tautan

Machine Learning – by Stanford University

Pengajar

Prof. Andrew Ng

Tingkat

Pemula

Biaya

Gratis

(atau USD $79 kalau Anda ingin mendapatkan sertifikat kelulusan digital)

Durasi

  • 11 minggu
    • Dengan asumsi rata-rata komitmen belajar 6-8 jam per minggu
    • Waktu belajar fleksibel

Format

starf16 Kursus online (MOOC), dengan kuis dan tugas pemrograman di tiap modul untuk menentukan kelulusan

Penilaian Saya

  • starf16starf16starf16starf16starh16 (4.5)

Penilaian oleh Situs Lain

  • Coursera:       starf16starf16starf16starf16starh16 (rating 4.9 oleh 43,751 murid) (lihat review)
  • Class central: starf16starf16starf16starf16starf16 (rating 5.0 oleh 333 murid) (lihat review)
  • Course Talk:   starf16starf16starf16starf16starh16 (rating 4.5 oleh 122 murid) (lihat review)

Status Saya

Lulus (dengan skor 100% 🙂

Ikhtisar

Kalau Anda baru memulai belajar machine learning, maka saya SANGAT merekomendasikan untuk mengikuti kursus ini, karena kursus ini akan mengajarkan Anda mulai dari nol sampai mengerti konsep dan teori, membuat model ML dengan bahasa pemrograman Matlab/Octave, dan melakukan pengujian terhadap model Anda untuk memastikan bahwa Anda sudah membuat model dengan baik.

Kursus ini diajarkan oleh Prof Andrew Ng, profesor Stanford University, yang sebelumnya adalah pemimpin grup AI di Baidu dan founder dan pemimpin Google Brain, yang tidak hanya sangat menguasai bidang ini tapi juga mengetahui seluk beluk industri AI di Silicon Valley, dan seringkali memberi kita selingan cerita tentang pengalamannya sehingga kursusnya sangat menghibur.

Pengajar juga sangat inspirasional, menjelaskan hal yang sulit dengan mudah dan memberi semangat kepada muridnya agar tidak takut kalau belum mengerti akan suatu topik. Tidak seperti beberapa pengajar lain yang seringkali sudah mengasumsikan bahwa kita sudah mengerti cara membaca formula-formula yang rumit, atau lebih parah, menakut-nakuti kalau kita kesulitan untuk menangkap maksud dia.

Persyaratan

  • starf16 Tidak dibutuhkan terlalu banyak persyaratan (kecuali bahasa Inggris tentunya), karena semua yang dibutuhkan akan diajarkan dalam kursus. Termasuk misalnya operasi matriks/vektor dan Matlab/Octave.

Lingkup Materi

  • Lingkup:
    • starf16 Supervised learning
    • starf16 Unsupervised learning
    • starf16 Classification
    • starf16 Regression
    • starf16 Anomaly detection
    • starf16 Recommender system
    • starf16 Linear regression
    • starf16 Neural network
    • starf16 Support vector machine (SVM)
  • Kekurangan:
    • stare16 Tidak ada reinforcement learning (RL), KNN (K Nearest Neighbour).

Penilaian untuk materi: starf16starf16starf16starf16stare16

Pengajaran

  • starf16 Materi dipersiapkan dengan rapih
  • starf16 Baik slides maupun print-out materi dapat diunduh
  • starf16 Materi jelas, diajarkan runut
  • starf16 Dari nol diajar teori sampai praktek koding
  • starf16 Pengajar inspirasional

Penilaian untuk pengajaran: starf16starf16starf16starf16starf16

Pemrograman

  • starf16 Ada tugas pemrograman di hampir setiap modul untuk memraktekkan teori yang sudah diajarkan.
  • starf16 Tugas pemrograman ini dinilai secara otomatis dan kebenaran dari program akan menentukan kelulusan Anda. Tapi jangan kuatir, untuk tiap tugas ada petunjuk yang jelas dan kalau Anda mengalami masalah maka Anda bisa bertanya di forum.
  • starf16 Memakai Matlab/Octave yang sintaksnya lebih intuitif untuk operasi matriks dan vektor daripada kalau memakai R atau Python, sehingga murid akan lebih konsen pada pemecahan masalah daripada bergumul dengan masalah sintaks bahasa pemrograman.
  • stare16 Bahasa Matlab/Octave hanya cocok untuk membuat purwarupa model ML. Di lingkungan nyata, bahasa pemrograman yang populer dipakai untuk ML adalah Python dan R, sehingga kita harus belajar lagi untuk mengaplikasikan ilmu ML kita memakai bahasa tersebut

Penilaian untuk pemrograman: starf16starf16starf16starf16starh16

Dukungan

  • starf16 Dukungan di forum sangat baik, baik dari mentor maupun sesama murid. Setiap pertanyaan biasanya selalu dijawab oleh mentor dalam waktu kurang dari 24 jam. Murid-murid yang lain juga aktif berpartisipasi.
  • stare16 Sayangnya kursus ini sudah lama tidak diperbarui sehingga ada banyak kesalahan yang membuat Anda harus rajin membaca catatan kesalahan atau errata atau di programming notes agar tidak salah mengerti. Namun untungnya dukungan forum sangat baik

Penilaian untuk dukungan: starf16starf16starf16starf16stare16

Silabus

Silabus (atau lihat silabus lengkap di sini):

  • Minggu 1:
    • Introduction
    • Linear Regression with One Variable
    • Linear Algebra Review
  • Minggu 2:
    • Linear Regression with Multiple Variables
    • Octave/Matlab Tutorial
  • Minggu 3:
    • Logistic Regression
    • Regularization
  • Minggu 4
    • Neural Networks: Representation
  • Minggu 5
    • Neural Networks: Learning
  • Minggu 6
    • Advice for Applying Machine Learning
    • Machine Learning System Design
  • Minggu 7
    • Support Vector Machines
  • Minggu 8
    • Unsupervised Learning
    • Dimensionality Reduction
  • Minggu 9
    • Anomaly Detection
    • Recommender Systems
  • Minggu 10
    • Large Scale Machine Learning
  • Minggu 11
    • Application Example: Photo OCR

Cuplikan

Berikut beberapa cuplikan gambar (screenshot) yang diambil dari sesi kursus agar Anda lebih bisa membayangkan suasana kursus.

ml-stanford-sample-slide-0
Setiap video biasa dimulai dengan Prof Andrew “nampang” sebentar untuk memberi introduksi atas topik yang akan diajarkan
ml-stanford-sample-slide-1
Contoh slide pelajaran (diambil dari slide neural network di minggu ke-4, jadi kelihatannya sudah cukup rumit (padahal enggak kok)). Awalnya slide dipersiapkan dengan rapi seperti ini
ml-stanford-sample-slide-2
Setelah Prof Andrew selesai menjelaskan slidenya, biasanya hasilnya seperti ini hehe. Sekali lagi jangan kuatir kalau kelihatannya sangat rumit, karena memang ini diambil dari modul di minggu keempat
ml-stanford-sample-slide-3
Contoh slide yang lain. Saya hanya ingin menunjukkan kalau slidenya dipersiapkan dengan baik
ml-stanford-lecture-notes
Tiap modul mempunyai “lecture notes” yang isinya adalah semacam print out dari teori yang diajarkan. Sayangnya tapi format dari lecture notes ini adalah HTML dan bukan PDF sehingga agak susah untuk didownload dan dibaca secara offline.
ml-stanford-quiz
Di akhir tiap minggu juga ada kuis yang diberi nilai. Anda harus benar minimal 80% agar bisa lolos kuisnya
ml-stanford-programming-assignment
Disamping kuis, di tiap minggu juga ada tugas pemrograman. Setiap tugas pemrograman ada petunjuk yang jelas berupa PDF seperti ini
ml-stanford-programming-submission
Setiap tugas pemrograman juga akan dinilai secara otomatis
ml-stanford-discussion-forum
Forum diskusi terorganisir dengan baik, dibagi per minggu pelajaran. Setiap pertanyaan biasanya dibalas oleh mentor dalam waktu kurang dari 24 jam
ml-stanford-certificatge
Ini contoh yang lulus dengan nilai 100% hehe
Iklan

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout /  Ubah )

Foto Google+

You are commenting using your Google+ account. Logout /  Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout /  Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout /  Ubah )

Connecting to %s

Blog di WordPress.com.

Atas ↑

%d blogger menyukai ini: