Klasifikasi Metode Machine Learning
Kuasai perbedaan Supervised, Unsupervised, dan Reinforcement Learning lewat materi interaktif, simulasi Card Sorting, studi kasus penelitian dosen, dan kuis formatif.
Tujuan & Indikator Pembelajaran
Media ini dirancang untuk mendukung pencapaian CPMK dan Sub-CPMK mata kuliah Machine Learning.
CPMK 1
Mahasiswa mampu menganalisis (C4) pengaruh pemilihan algoritma terhadap akurasi prediksi pada berbagai tipe data.
Sub-CPMK 1.2
Mahasiswa mampu mengorganisasikan berbagai algoritma machine learning ke dalam kelompok Supervised, Unsupervised, dan Reinforcement Learning berdasarkan analisis karakteristik fundamentalnya.
Indikator Pencapaian
Mendiferensiasikan karakteristik fundamental Supervised, Unsupervised, dan Reinforcement Learning meliputi ketersediaan label, tujuan pembelajaran, mekanisme evaluasi, serta contoh algoritma dan kasus penerapannya.
Mengorganisasikan minimal 15 algoritma machine learning ke dalam kelompok Supervised (Regresi & Klasifikasi), Unsupervised (Klastering & Asosiasi), dan Reinforcement Learning berdasarkan analisis karakteristik internal setiap algoritma (apakah membutuhkan label, apakah ada reward/punishment, tujuan algoritma).
Mengaitkan studi kasus nyata (termasuk penelitian dosen) dengan metode machine learning yang tepat, serta Memilih metode paling sesuai dengan memberikan justifikasi logis mengapa metode tersebut dipilih dan mengapa metode lain tidak cocok.
Fitur Unggulan
Tiga aktivitas inti mendukung Student-Centered Learning.
Siap uji pemahamanmu?
Kerjakan kuis 10 pilihan ganda + 2 esai, dapatkan umpan balik instan.