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

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

Penilaian Saya

•  (4.5)

Penilaian oleh Situs Lain

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

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

Penilaian untuk materi: 

Pengajaran

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

Penilaian untuk pengajaran: 

Pemrograman

•  Ada tugas pemrograman di hampir setiap modul untuk memraktekkan teori yang sudah diajarkan.
•  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.
•  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.
•  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: 

Dukungan

•  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.
•  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: 

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.