Machine Learning Terapan
4.88 •

Machine Learning Engineer

Machine Learning Engineer

Learning Path

Machine Learning Terapan

Teknologi:

Machine Learning
Level: Mahir

Level: Mahir

Level: Mahir 40 Jam Belajar
5.267

Siswa Terdaftar

Pelajari penerapan machine learning dengan real-world projects mulai dari predictive analytics, sentiment analysis, dan sistem rekomendasi.
Belajar Sekarang
Informasi kelas Lihat silabus
Learning Path Machine Learning Engineer

Kelas ini merupakan langkah ke-lima Anda untuk menjadi Machine Learning Engineer.

Langkah sebelumnya

Langkah 4
Belajar Pengembangan Machine Learning
90 Jam 4,84 Level Menengah

Langkah setelahnya

Langkah 6
Machine Learning Operations (MLOps)
45 Jam 4,62 Level Mahir
Apa yang akan Anda dapatkan

Sertifikat

Dapatkan sertifikat standar industri setelah menyelesaikan kelas ini.

Code Review

Kode yang Anda kerjakan akan di-review secara komprehensif oleh Reviewer.

Forum Diskusi

Diskusikan materi belajar dengan siswa lainnya.

Modul Tutorial

Materi bacaan elektronik disajikan dengan bahasa yang mudah dipahami.

Submission

Uji kemampuan teknis Anda dengan mengerjakan tugas submission.

Kuis

Kuis pilihan ganda membantu Anda memahami materi yang dipelajari.

Ujian

Validasi pengetahuan Anda dengan mengerjakan soal-soal ujian.
Level Mahir
Menguasai materi dan latihan tingkat lanjut. Kelas ini mensyaratkan sejumlah penguasaan landasan pengetahuan yang baik.
Lihat silabus

Deskripsi

Menurut riset yang berjudul 2020 Emerging Job Report, trend perekrutan untuk peran AI specialist tumbuh 74% selama 4 tahun terakhir. AI specialist dinobatkan sebagai peringkat pertama the most emerging job in the US in 2020. Di Indonesia, AI specialist juga menempati urutan pertama. Hal ini karena otomatisasi telah mengubah cara orang hidup dan bekerja setiap harinya. Posisi Machine Learning Engineer sangat dicari. Sehingga, di Amerika, posisi ini bisa mendapatkan pekerjaan senilai Rp 1,9 miliar per tahun (Kompas).

  • Machine Learning dapat digunakan untuk meningkatkan efisiensi dari berbagai pekerjaan.
  • Machine Learning dapat diimplementasikan ke berbagai industri dan berbagai jenis data sehingga kegunaannya sangat luas. 
  • Banyak perusahaan memiliki jumlah data yang sangat besar sehingga perlu diproses dengan machine learning untuk mendapatkan informasi  yang berarti. 
  • Kebutuhan karier di bidang Machine Learning sangatlah tinggi karena jumlah praktisi yang masih sedikit sehingga peluangnya masih sangat besar. 
  • Pemahaman tentang Machine Learning, TensorFlow, dan Keras adalah keharusan untuk menjadi seorang Machine Learning Engineer ataupun Data Scientist. 
  • Mengerjakan proyek-proyek Machine Learning sebagai portofolio merupakan keahlian yang harus dimiliki untuk mereka yang ingin memulai karier menjadi Machine Learning Engineer.


Target dan Sasaran Siswa

  • Kelas ditujukan bagi Machine Learning Engineer yang ingin mempelajari tentang terapan machine learning di berbagai bidang, model predictive analytics, sentiment analisis, computer vision, serta sistem rekomendasi dengan standar mengacu pada standar kompetensi industri. 
  • Kelas dapat diikuti oleh siswa yang melek IT sehingga wajib memiliki dan dapat mengoperasikan komputer dengan baik.
  • Kelas ini didesain untuk siswa yang sudah memiliki pengetahuan dasar mengenai machine learning, seperti supervised dan unsupervised learning, SVM, neural network, dan deployment. 
  • Siswa harus bisa belajar mandiri, berkomitmen, benar-benar punya rasa ingin tahu, dan tertarik pada subjek materi, karena sebaik apa pun materi kelas ini, tidak akan berguna tanpa keseriusan siswa untuk belajar, berlatih, dan mencoba.
  • Di akhir kelas, siswa dapat membuat model predictive analytics untuk bisnis dan marketing, sentiment analysis, computer vision untuk pengenalan gambar dan deteksi objek pada gambar, serta sistem rekomendasi.


Selengkapnya
Sembunyikan

Peralatan Belajar

Spesifikasi minimal perangkat:

Prosesor

Intel Dual Core (Rekomendasi Core i3 ke atas)

Tools yang dibutuhkan untuk belajar:

Google Colaboratory

Lihat semua peralatan belajar

Lihat semua peralatan belajar

Peralatan Belajar

Spesifikasi minimal perangkat

Kelas ini membutuhkan spesifikasi perangkat seperti berikut:

RAM

2GB (Rekomendasi 4GB)

Layar

1366 x 768 (Rekomendasi Full HD 1920 x 1080)

Sistem Operasi

Windows, Linux, MacOS

Prosesor

Intel Dual Core (Rekomendasi Core i3 ke atas)

Tools

Kelas ini membutuhkan beberapa tools berikut:

Google Colaboratory

Metode Ajar

  • Online - Self-paced Learning
    • Total jam belajar : 40 jam
    • Rekomendasi waktu belajar : 10 jam per minggu (selesai dalam 28 hari)
    • Anda tentukan sendiri berapa lama waktu yang akan digunakan untuk belajar materi kelas ini selama masih aktif terdaftar pada kelas
  • Fasilitas Pengajaran
    • Materi bacaan elektronik : Materi akan disajikan dalam bentuk teks dan bacaan
    • Forum diskusi : Setiap kelas memiliki sebuah forum diskusi yang dapat Anda gunakan untuk bertanya dan berdiskusi
  • Evaluasi pembelajaran : 
    • Ujian akhir kelas
    • Submission (proyek akhir) berupa pembuatan model dan laporan proyek machine learning untuk Sistem Rekomendasi menggunakan beberapa pendekatan seperti Content-based Filtering atau Collaborative Filtering.
  • Sertifikat kompetensi

Lihat semua metode ajar

Lihat semua metode ajar

Metode Ajar

  • Online - Self-paced Learning
    • Total jam belajar : 40 jam
    • Rekomendasi waktu belajar : 10 jam per minggu (selesai dalam 28 hari)
    • Anda tentukan sendiri berapa lama waktu yang akan digunakan untuk belajar materi kelas ini selama masih aktif terdaftar pada kelas
  • Fasilitas Pengajaran
    • Materi bacaan elektronik : Materi akan disajikan dalam bentuk teks dan bacaan
    • Forum diskusi : Setiap kelas memiliki sebuah forum diskusi yang dapat Anda gunakan untuk bertanya dan berdiskusi
  • Evaluasi pembelajaran : 
    • Ujian akhir kelas
    • Submission (proyek akhir) berupa pembuatan model dan laporan proyek machine learning untuk Sistem Rekomendasi menggunakan beberapa pendekatan seperti Content-based Filtering atau Collaborative Filtering.
  • Sertifikat kompetensi

Kontributor

2

Curriculum Developer yang membangun kelas ini:

Tia Dwi Setiani

Tia Dwi Setiani

Curriculum Developer at Dicoding Indonesia

Mochamad Rafy Ardhanie

Mochamad Rafy Ardhanie

Curriculum Developer at Dicoding Indonesia

Reviewer

24

Code Reviewer yang akan me-review tugas dan kode Anda:

Ahmad dari Dicoding
Nanang Sutisna
Nanang Sutisna

Nanang Sutisna

- Mobile & Web Enthusiast

- External Code Reviewer at Dicoding Indonesia

Gabril Hozanna
Fahmi Jabbar
Zanuar Ekaputra Rus'an

Lihat semua kontributor dan reviewer

Lihat semua kontributor dan reviewer

Kontributor & Reviewer

Kontributor kelas

Curriculum Developer yang membangun kelas ini:

Tia Dwi Setiani

Tia Dwi Setiani

Curriculum Developer at Dicoding Indonesia

Mochamad Rafy Ardhanie

Mochamad Rafy Ardhanie

Curriculum Developer at Dicoding Indonesia

Tim Reviewer

Code Reviewer yang akan me-review tugas dan kode Anda:

Ahmad dari Dicoding
Nanang Sutisna
Nanang Sutisna

Nanang Sutisna

- Mobile & Web Enthusiast

- External Code Reviewer at Dicoding Indonesia

Gabril Hozanna
Fahmi Jabbar
Zanuar Ekaputra Rus'an
Mellania Permata Sylvie
Mellania Permata Sylvie

Mellania Permata Sylvie

External Reviewer Machine Learning di Dicoding

Information system student, Machine Learning Enthusiasm, and Tensorflow Developer Certified

ADIL LATIF HABIBI
Gusti Muhammad Aulia Nur Sulthan
Gusti Muhammad Aulia Nur Sulthan

Gusti Muhammad Aulia Nur Sulthan

Hallo Semua.

Perkenalkan nama saya Gusti Muhammad Aulia Nur Sulthan biasa di panggil tann. saat ini saya mahasiswa tingkat akhir. saya sangat tertarik dibidang Artificial Intelligence dan sedang berfokus di Natural language processing. 

saya sangat open untuk kolaborasi khususnya di machine learning.

Rifky Bujana Bisri
Ahmad Zein Al Wafi
Ahmad Zein Al Wafi

Ahmad Zein Al Wafi

Machine Learning Architect

I am a Machine Learning Architect with extensive experience in designing and implementing machine learning solutions aimed at solving complex business challenges. Over the past three years, I have led a variety of technology projects, serving both as a Tech Lead and Solution Architect, with a focus on developing scalable, efficient systems leveraging machine learning.

My expertise spans across multiple domains, including predictive analytics, computer vision, and natural language processing, enabling the development of innovative, multidimensional solutions that deliver real-world impact. I am passionate about sharing knowledge and empowering teams to identify and solve problems using optimal, data-driven approaches.

I strongly believe that the right technology combined with active collaboration can create substantial value for any project or organization.

Aditya Firman Ihsan
Aditya Firman Ihsan

Aditya Firman Ihsan

Tensorflow Developer Certified

Lecturer at Telkom University School of Computing

Tensorflow Developer Certified

Sarah Salsabila
Sarah Salsabila

Sarah Salsabila

Ex-Reviewer at Dicoding Indonesia

Computer Science Student , Machine Learning and Data Science Enthusias

SALSABILA ZAHIRAH PRANIDA
Jauza Akbar Krito
Rivaldo Fernandes
Rivaldo Fernandes

Rivaldo Fernandes

iOS and Android Expert

Mobile Developer Enthusiast

iOS Developer at PT Bank Syariah Indonesia

Ni Made Yuli Cahyani
Ni Made Yuli Cahyani

Ni Made Yuli Cahyani

* Machine Learning and Data Enthusiast

* Dicoding Graduate

* Bangkit 2021 Graduate

Alif Adwitiya Pratama
Gabriel Imam Andaru
Tia Dwi Setiani
Rahmat Fajri
Seprian Dani
Louis Aldorio
Louis Aldorio

Louis Aldorio

External Code Reviewer at Dicoding Indonesia

Machine Learning Enthusiast And Software Engineer specialized in GO

Maulana Muhammad
Andhar Siraj Munir
Ahmad dari Dicoding

Ahmad dari Dicoding

Managing Editor at Dicoding Indonesia

Nanang Sutisna

Nanang Sutisna

- Mobile & Web Enthusiast

- External Code Reviewer at Dicoding Indonesia

Gabril Hozanna

Gabril Hozanna

Data Warehouse Engineer at Gojek

Data Enthusiast

Fahmi Jabbar

Fahmi Jabbar

External Code Reviewer at Dicoding Indonesia

dos:d9943e975917e132717d84bd294f382c20211021142543.png Certified TensorFlow Developer 

Zanuar Ekaputra Rus'an

Zanuar Ekaputra Rus'an

Product Engineer at Dicoding Indonesia

Mellania Permata Sylvie

Mellania Permata Sylvie

External Reviewer Machine Learning di Dicoding

Information system student, Machine Learning Enthusiasm, and Tensorflow Developer Certified

ADIL LATIF HABIBI

ADIL LATIF HABIBI

External Code Reviewer at Dicoding Indonesia

AWS Certified Cloud Practitioner 

Certified Tensorflow Developer

My Linkedin Home Page

Gusti Muhammad Aulia Nur Sulthan

Gusti Muhammad Aulia Nur Sulthan

Hallo Semua.

Perkenalkan nama saya Gusti Muhammad Aulia Nur Sulthan biasa di panggil tann. saat ini saya mahasiswa tingkat akhir. saya sangat tertarik dibidang Artificial Intelligence dan sedang berfokus di Natural language processing. 

saya sangat open untuk kolaborasi khususnya di machine learning.

Rifky Bujana Bisri

Rifky Bujana Bisri

Undergraduate Student at University of British Columbia

- Artificial Intelligence Enthusiast

- LinkedIn 

- Github

- Hugging Face

Ahmad Zein Al Wafi

Ahmad Zein Al Wafi

Machine Learning Architect

I am a Machine Learning Architect with extensive experience in designing and implementing machine learning solutions aimed at solving complex business challenges. Over the past three years, I have led a variety of technology projects, serving both as a Tech Lead and Solution Architect, with a focus on developing scalable, efficient systems leveraging machine learning.

My expertise spans across multiple domains, including predictive analytics, computer vision, and natural language processing, enabling the development of innovative, multidimensional solutions that deliver real-world impact. I am passionate about sharing knowledge and empowering teams to identify and solve problems using optimal, data-driven approaches.

I strongly believe that the right technology combined with active collaboration can create substantial value for any project or organization.

Aditya Firman Ihsan

Aditya Firman Ihsan

Tensorflow Developer Certified

Lecturer at Telkom University School of Computing

Tensorflow Developer Certified

Sarah Salsabila

Sarah Salsabila

Ex-Reviewer at Dicoding Indonesia

Computer Science Student , Machine Learning and Data Science Enthusias

SALSABILA ZAHIRAH PRANIDA

SALSABILA ZAHIRAH PRANIDA

Data Scientist at SOLUSI247

Jauza Akbar Krito

Jauza Akbar Krito

Rivaldo Fernandes

Rivaldo Fernandes

iOS and Android Expert

Mobile Developer Enthusiast

iOS Developer at PT Bank Syariah Indonesia

Ni Made Yuli Cahyani

Ni Made Yuli Cahyani

* Machine Learning and Data Enthusiast

* Dicoding Graduate

* Bangkit 2021 Graduate

Gabriel Imam Andaru

Gabriel Imam Andaru

Tia Dwi Setiani

Tia Dwi Setiani

Curriculum Developer at Dicoding Indonesia

  • Certified Tensorflow Developer

Rahmat Fajri

Rahmat Fajri

Data & Machine Learning Engineer

TensorFlow Developer Certified

Seprian Dani

Seprian Dani

External Academy Code Reviewer at Dicoding Indonesia

Louis Aldorio

Louis Aldorio

External Code Reviewer at Dicoding Indonesia

Machine Learning Enthusiast And Software Engineer specialized in GO

Maulana Muhammad

Maulana Muhammad

External Code Reviewer at Dicoding Indonesia

Machine Learning Enthusiast

Andhar Siraj Munir

Andhar Siraj Munir

AI Engineer at PT. Aplikanusa Lintasarta

Machine Learning and Data Enthusiast

Testimoni Siswa

Ribuan siswa sukses belajar di Dicoding Academy. Apa kata mereka? Berikut adalah testimoni asli mereka.

Rizky Nur Afifah
Rizky Nur Afifah
Universitas Gadjah Mada
Machine Learning Terapan
Sejujurnya kelas machine learning terapan yang menurutku paling berat dan menantang tugasnya, ahaha. Alhamdulillah bisa terselesaikan. Suka banget dengan cara penyampaian materi dari kelas ini, pake analogi-analogi yang menarik, peyampaian yang sederhana dan santai, dan ada pendahuluan yang menarik sebelum masuk materi. Overall kelas ini yang paling membuatku puas dibandingkan kelas-kelas terkait machine learning yang udah aku ikuti di dicoding selama ini. Terima kasih untuk pihak idcamp dan dicoding yang sudah memberikan kesempatan buat aku belajar machine learning sejauh ini. Salam, Afi
Baca selengkapnya
Silabus
Belajar Sekarang

Silabus

Materi yang akan Anda pelajari pada kelas ini.

  • Persetujuan Hak Cipta

    2 Menit

  • Prasyarat Kemampuan

    5 Menit

  • Prasyarat Tools

    5 Menit

  • Mekanisme Belajar

    10 Menit

  • Forum Diskusi

    20 Menit

  • Glosarium

    10 Menit

  • Daftar Referensi

    5 Menit

  • Pengenalan Machine Learning System Design

    15 Menit

  • Sistem Machine Learning di Dunia Riset/Akademik versus Industri

    15 Menit

  • Persyaratan Machine Learning System Design

    20 Menit

  • Alur Proyek Machine Learning di Industri

    20 Menit

  • Infrastruktur Machine Learning

    20 Menit

  • Data Engineering

    20 Menit

  • Model Development

    20 Menit

  • Deployment dan Monitoring

    30 Menit

  • Rangkuman Machine Learning System Design

    10 Menit

  • Kuis Machine Learning System Design

    10 Menit

  • Pendahuluan Menyusun Proyek Machine Learning

    10 Menit

  • Ide Portofolio Machine Learning

    15 Menit

  • Struktur Proyek Machine Learning

    20 Menit

  • Technical Writing

    20 Menit

  • Publikasi Proyek Machine Learning

    20 Menit

  • Rangkuman Menyusun Proyek Machine Learning

    10 Menit

  • Kuis Menyusun Proyek Machine Learning

    10 Menit

  • Pendahuluan Studi Kasus Pertama: Predictive Analytics

    10 Menit

  • Predictive Analytics Lifecycle

    10 Menit

  • Business Understanding

    10 Menit

  • Data Understanding

    10 Menit

  • Data Loading

    10 Menit

  • Exploratory Data Analysis - Deskripsi Variabel

    15 Menit

  • Exploratory Data Analysis - Menangani Missing Value dan Outliers

    20 Menit

  • Exploratory Data Analysis - Univariate Analysis

    20 Menit

  • Exploratory Data Analysis - Multivariate Analysis

    20 Menit

  • Data Preparation

    40 Menit

  • Model Development

    5 Menit

  • Model Development dengan K-Nearest Neighbor

    20 Menit

  • Model Development dengan Random Forest

    20 Menit

  • Model Development dengan Boosting Algorithm

    20 Menit

  • Evaluasi Model

    20 Menit

  • Rangkuman Studi Kasus Pertama: Predictive Analytics

    10 Menit

  • Kuis Predictive Analytics

    10 Menit

  • Pendahuluan Studi Kasus Kedua: Sentiment Analysis

    10 Menit

  • Pengenalan Natural Language Processing (NLP)

    10 Menit

  • Aplikasi Natural Language Processing di Dunia Nyata

    10 Menit

  • Teknik Natural Language Processing

    10 Menit

  • Tantangan Natural Language Processing

    10 Menit

  • Natural Language Processing Pipeline

    10 Menit

  • Akuisisi Data

    20 Menit

  • Text Cleaning dan Pre-processing

    15 Menit

  • Feature Engineering untuk Representasi Teks

    20 Menit

  • Analisis Sentimen dengan Deep Learning

    5 Menit

  • Pengenalan IndoNLU

    15 Menit

  • Pengenalan Library PyTorch

    20 Menit

  • Dataset Analisis Sentimen IndoNLU

    15 Menit

  • Analisis Sentimen dengan Deep Learning

    20 Menit

  • Konfigurasi dan Load Pre-trained Model

    20 Menit

  • Persiapan Dataset Analisis Sentimen

    30 Menit

  • Uji Model dengan Contoh Kalimat

    10 Menit

  • Fine Tuning dan Evaluasi

    30 Menit

  • Prediksi Sentimen

    10 Menit

  • Analisis Sentimen dengan Support Vector Machine (SVM)

    10 Menit

  • Implementasi SVM untuk Analisis Sentimen pada Data IndoNLU

    20 Menit

  • Analisis Data

    20 Menit

  • Feature Engineering dengan TF-IDF

    20 Menit

  • Klasifikasi Sentimen dengan Support Vector Machine

    20 Menit

  • Rangkuman Studi Kasus Kedua: Sentiment Analysis

    10 Menit

  • Kuis Sentiment Analysis

    10 Menit

  • Proyek Pertama : Predictive Analytics

    20 Menit

  • Proyek Pertama Kriteria Submission

    10 Menit

  • Detail Laporan

    10 Menit

  • Proyek Pertama Kirim Submission dan Review

    320 Menit

  • Pendahuluan Studi Kasus Ketiga: Computer Vision

    10 Menit

  • Pengenalan Computer Vision

    10 Menit

  • Penerapan Computer Vision di Industri

    15 Menit

  • Teknik Pengenalan Objek (Object Recognition)

    10 Menit

  • Membuat Model Klasifikasi Rambu Lalu Lintas

    15 Menit

  • Eksplorasi Data

    30 Menit

  • Training dengan Convolutional Neural Network

    60 Menit

  • Testing Model

    20 Menit

  • Pengenalan Object Detection

    5 Menit

  • Teknik-teknik Object Detection

    30 Menit

  • Detektor Wajah pada Gambar

    20 Menit

  • Membuat Detektor Wajah dengan Algoritma Haar Cascade

    30 Menit

  • Rangkuman Studi Kasus Ketiga: Computer Vision

    10 Menit

  • Kuis Computer Vision

    10 Menit

  • Pendahuluan Studi Kasus Keempat: Sistem Rekomendasi

    10 Menit

  • Pengenalan Sistem Rekomendasi

    10 Menit

  • Mengapa Sistem Rekomendasi Penting?

    10 Menit

  • Taksonomi Sistem Rekomendasi

    10 Menit

  • Content Based Filtering

    5 Menit

  • Collaborative Filtering

    15 Menit

  • Hybrid Recommender System

    5 Menit

  • Data untuk Sistem Rekomendasi

    10 Menit

  • Similarity Measure

    15 Menit

  • Latihan Membuat Proyek Sistem Rekomendasi

    15 Menit

  • Univariate Exploratory Data Analysis

    30 Menit

  • Data Preprocessing

    30 Menit

  • Data Preparation

    30 Menit

  • Model Development dengan Content Based Filtering

    30 Menit

  • Model Development dengan Collaborative Filtering

    30 Menit

  • Proses Training

    20 Menit

  • Rangkuman Studi Kasus Keempat: Sistem Rekomendasi

    10 Menit

  • Kuis Sistem Rekomendasi

    10 Menit

  • Rangkuman Kelas

    28 Menit

  • Ujian Akhir Kelas

    60 Menit

  • Proyek Akhir : Membuat Model Sistem Rekomendasi

    10 Menit

  • Proyek Akhir Kriteria Submission

    20 Menit

  • Detail Laporan

    10 Menit

  • Proyek Akhir Kirim Submission dan Review

    320 Menit

Dicoding Logo

Dicoding Space
Jl. Batik Kumeli No.50, Sukaluyu,
Kec. Cibeunying Kaler, Kota Bandung
Jawa Barat 40123

Penghargaan

Asean Business Award 2019

Decode Ideas
Discover Potential

Tentang Kami
Blog
Reward
Showcase
Dicoding Elite
Hubungi Kami
FAQ