|
KEMENTERIAN PENDIDIKAN TINGGI, SAINS, DAN TEKNOLOGI
UNIVERSITAS NEGERI PADANG
– FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
– PROGRAM STUDI ILMU AKTUARIA (S1)
|
||||||
| RENCANA PEMBELAJARAN SEMESTER | |||||||
| MATA KULIAH (MK) | KODE | Rumpun MK | BOBOT (sks) | SEMESTER | Tgl Penyusunan | ||
| Pembelajaran Mesin | IAK.62.0034 | - | 2 | 1 | 6 | - | |
| OTORISASI / PENGESAHAN | Dosen Pengembang RPS | Koordinator RMK | Koordinator Prodi | ||||
| - | - | - | - | ||||
| Capaian Pembelajaran |
CPL-PRODI yang dibebankan pada MK | |
| CPL | - | |
| Capaian Pembelajaran Mata Kuliah (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. | |
| Kemampuan akhir tiap tahapan belajar (Sub-CPMK) | ||
| SUB CPMK | - | |
| Matriks CPL ke CPMK |
|
| Deskripsi Singkat 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. |
| Pustaka | Utama: |
| - | |
|
Pendukung: (Jika diperlukan)
-
|
|
| Dosen Pengampu |
- |
| Mata kuliah syarat |
- |
| Minggu Ke- | SUB-CPMK (Kemampuan Akhir Yang Diharapkan) | Penilaian | Bentuk Pembelajaran, Metode Pembelajaran, Penugasan Mahasiswa [Estimasi Waktu] |
Materi Pembelajaran [Rujukan] |
Bobot Penilaian (%) |
||
|---|---|---|---|---|---|---|---|
| Indikator | Teknik & Kriteria | Luring (Tatap Muka) | Daring (Online) | ||||
| - | - | - | - | - | - | - | 0 |
| UTS | |||||||
| UAS | |||||||