Matakuliah

Pembelajaran Mesin

- Fakultas Matematika dan Ilmu Pengetahuan Alam

Deskripsi Mata Kuliah

Pengantar Pembelajaran Mesin. Perencanaan untuk Pembelajaran Mesin. Bayesian Networks. Kernel Machine. Linear Discrimination. Hidden Markov Model. Multilayer Perceptron. Local Models. Reinforcement Learning. Presentasi jurnal dan artikel tentang mesin pembelajaran terkini.

CPL Program Studi pada MK

CPL-1 - Mampu menerapkan konsep teoritis sains dasar, matematika, peluang, dan statistika

CPL-2 - Mampu merancang solusi untuk masalah pada bidang aktuaria dan pengelolaan risiko dengan menggunakan ilmu aktuaria, keuangan, metode statistika, dan sains data

CPL-3 - Mampu menerapkan metode aktuaria dan perangkat lunak komputer untuk menyelesaikan masalah aktuaria yang bersifat praktis maupun berbasis data.

CPMK

CPMK-1 - Mahasiswa mampu menjelaskan dan menerapkan konsep dasar serta berbagai model pembelajaran mesin, termasuk Bayesian Networks, Kernel Machine, Hidden Markov Model, dan Multilayer Perceptron.

CPMK-2 - Mahasiswa dapat menganalisis dan mengevaluasi perkembangan terkini dalam bidang pembelajaran mesin melalui studi jurnal dan artikel ilmiah.

CPMK-3 - Mahasiswa mampu mengintegrasikan metode aktuaria dan pendekatan algoritma dan pemrograman untuk memahami aplikasi praktis dan pengembangan model yang relevan.