Ulasan

Judul/Tautan

Machine Learning by Georgia Tech on Udacity

Catatan: Udacity juga mempunyai kursus lain yang lebih komprehensif, yaitu Machine Learning Engineer Nanodegree (berbayar), yang tidak hanya lebih lengkap dan berdurasi lebih panjang, tapi juga dilengkapi praktek pemrograman dan dukungan mentor yang lebih baik.

Pengajar

• Prof. Charles Isbell, Georgia Institute of Technology
• Prof. Michael Littman, Brown University

Tingkat

Pemula / Menengah

Biaya

Gratis

Durasi

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

Format

Kursus online (MOOC) dengan kuis interaktif. Tidak ada kuis yang dinilai ataupun tugas pemrograman.

Penilaian Saya

 (4)

Penilaian oleh Situs Lain

• Class Central:  (rating 5.0 oleh 4 murid) (lihat review)
• Course Talk:    N/A             (belum ada review) (lihat laman)

Status Saya

Tidak menyelesaikan kursus secara penuh (hanya bagian reinforcement learning dan sedikit supervised learning)

Ikhtisar

Kursus ini mencakup materi yang sangat lengkap di bidang ML, membahas ketiga bidang utama yaitu supervised, unsupervised, dan reinforcement learning. Seperti Anda lihat di lingkup materi di bawah, ada banyak modul pelajaran (lesson) yang dicakup di masing-masing bidang tersebut. Masing-masing modul berupa kumpulan video singkat yang total panjangnya sekitar 45 menit – 1.5 jam, dan diselingi kuis interaktif. Total durasi video kursus ini sendiri ada lebih dari 25 jam.

Pembahasan di masing-masing topik cukup lengkap, disertai isu-isu yang relevan dan formula-formula yang menyertai teorinya. Anda akan cukup mendapat pengetahuan awal tentang topik yang dijelaskan tersebut.

Namun demikian, pembahasan tiap topik tidak akan terlalu dalam atau detil sampai Anda mengerti bagaimana cara memrogramnya dan mengatasi permasalahan yang mungkin timbul. Pembahasan akan berhenti pada formula, dan mungkin para pengajar mengasumsikan kita sudah tahu bagaimana mengaplikasikan formula tersebut dalam bahasa pemrograman yang kita pakai.

Dibanding kursus Machine Learning oleh Stanford University yang sudah saya ulas di sini, maka kursus dari Stanford jauh lebih detil dan mendalam. Tapi ada lebih banyak topik yang dibahas di kursus dari Georgia Tech ini.

Dengan demikian maka untuk pemula, kursus ini cukup baik untuk mendapat gambaran tentang topik-topik yang tidak dibahas di kursus ML oleh Stanford (misalnya topik tentang reinforcement learning). Tapi pemula jangan harap bisa langsung koding setelah mengikuti kursus ini.

Mungkin kursus ini lebih cocok untuk keahlian tingkat menengah yang sudah mahir dengan penggunaan formula dan bisa langsung menerapkannya dalam bahasa pemrograman tanpa perlu penjelasan yang detil.

Persyaratan

•  Walaupun disebutkan bahwa murid diharapkan sudah mengerti Probability Theory, Linear Algebra dan Statistics, menurut saya ini tidak terlalu diperlukan (sedikit pengenalan sudah cukup) kalau tujuan Anda untuk sekedar mendapat introduksi ke topik-topik yang dicakup dalam kursus. Sedangkan kalau tujuan Anda ingin benar-benar mengerti dan bisa memraktekkan topik-topiknya, maka menurut saya sebaiknya pilih kursus lain karena pembahasan di sini tidak terlalu detil.

Lingkup Materi

Dengan total durasi video lebih dari 25 jam, lingkup materi yang diajarkan sangatlah lengkap:

•  Supervised learning:
  •  Lesson 1: Decision Trees
  •  Lesson 2: Regression and Classification
  •  Lesson 3: Neural Networks
  •  Lesson 4: Instance-Based Learning
  •  Lesson 5: Ensemble B&B
  •  Lesson 6: Kernel Methods and Support Vector Machines (SVM)s
  •  Lesson 7: Computational Learning Theory
  •  Lesson 8: VC Dimensions
  •  Lesson 9: Bayesian Learning
  •  Lesson 10: Bayesian Inference
•  Unsupervised learning:
  •  Lesson 1: Randomized optimization
  •  Lesson 2: Clustering
  •  Lesson 3: Feature Selection
  •  Lesson 4: Feature Transformation
  •  Lesson 5: Information Theory
•  Reinforcement learning:
  •  Lesson 1: Markov Decision Processes
  •  Lesson 2: Reinforcement Learning
  •  Lesson 3: Game Theory

Penilaian untuk lingkup materi: 

Pengajaran

•  Cara mengajar relatif non-formal, semua materi berupa tulisan tangan pada slides sehingga mungkin ada sedikit kesan kurang dipersiapkan dengan baik. Para pengajarnya sangat kompak dan cukup kocak.
•  Formula-formula yang susah tidak terlalu dijabarkan sehingga pemula akan kesulitan untuk mengikuti. Mungkin memang kursus ini tidak terlalu cocok untuk pemula.
•  Tidak ada PDF dari slides yang bisa diunduh
•  Tidak ada print-out materi

Penilaian untuk pengajaran: 

Pemrograman

•  Tidak ada praktek pemrograman dalam kursus ini. Untuk yang dilengkapi pemrograman, bisa ambil kursus Machine Learning Engineer Nanodegree yang berbayar.

Rating untuk pemrograman: 

Dukungan

•  Ada forum untuk diskusi, tapi rasanya jarang yang bertanya di sana dan banyak pertanyaan yang tidak dibalas.

Rating untuk dukungan: 

 

Silabus

Silabus (atau lihat silabus di laman kursus ini):

Supervised Learning

• Lesson 0: Machine Learning is the ROX
• Lesson 1: Decision Trees
• Lesson 2: Regression and Classification
• Lesson 3: Neural Networks
• Lesson 4: Instance-Based Learning
• Lesson 5: Ensemble B&B
• Lesson 6: Kernel Methods and Support Vector Machines (SVM)s
• Lesson 7: Computational Learning Theory
• Lesson 8: VC Dimensions
• Lesson 9: Bayesian Learning
• Lesson 10: Bayesian Inference

Unsupervised Learning

• Lesson 1: Randomized optimization
• Lesson 2: Clustering
• Lesson 3: Feature Selection
• Lesson 4: Feature Transformation
• Lesson 5: Information Theory

Reinforcement Learning

• Lesson 1: Markov Decision Processes
• Lesson 2: Reinforcement Learning
• Lesson 3: Game Theory
• Lesson 4: Game Theory, Continued

 

Cuplikan

Berikut cuplikan video dari sesi pelajaran agar Anda lebih bisa membayangkan suasana pelajarannya. Anda bisa klik di videonya untuk mengikuti sendiri sesinya.

Perkenalan di sesi awal kursus. Mereka berdua sangat kompak dan kocak sekali. Tapi kadang kalau mereka sudah keasyikan berdiskusi, jadi lupa kalau muridnya adalah pemula yang nggak ngerti apa yang lagi diomongin hehe

 

Cuplikan sebuah video dari modul 4 tentang pengenalan neural network. Anda bisa klik video di atas untuk merasakan sendiri sesi kelasnya.

 

Cuplikan lain dari modul 4 tentang neural network. Seperti Anda lihat, slidenya ditulis secara “live” oleh pengajar, jadi suasananya jadi mirip kelas “beneran”. Bagi yang sudah mengikuti kelas ML nya Prof Andrew Ng mungkin akan merasa bahwa penyampaian materinya sedikit kurang rapi.