Machine Learning Essentials for Business and Technical Decision Makers (Indonesian)

Dalam kurikulum tiga kursus ini, Anda akan belajar tentang praktik terbaik dan rekomendasi untuk machine learning (ML). Kursus ini menjelajahi panduan (roadmap) untuk mengintegrasikan ML ke dalam proses bisnis Anda, menjelajahi persyaratan untuk menentukan apakah ML adalah solusi yang tepat untuk masalah bisnis, dan menjelaskan komponen apa saja yang diperlukan agar adopsi organisasi ML menjadi sukses.

• Tingkat kursus: Dasar
• Durasi: 90 menit

Aktivitas

Kurikulum ini mencakup kursus yang berisi presentasi, video, dan penilaian pengetahuan.

Tujuan Kurikulum

Dalam kurikulum ini, Anda akan belajar untuk:

Memahami dasar-dasar machine learning untuk membantu mengevaluasi manfaat dan risiko yang terkait dengan pengadopsian ML dalam berbagai kasus bisnis

Mengidentifikasi data, waktu, dan persyaratan produksi agar proyek ML berhasil

Menjelaskan cara mengadopsi organisasi untuk mencapai dan mempertahankan kesuksesan menggunakan ML

Sasaran peserta

Kurikulum ini ditujukan untuk:

• Pemimpin bisnis nonteknis dan pengambil keputusan bisnis lainnya yang, atau akan, terlibat dalam proyek ML
• Peserta program AWS Machine Learning Embark, dan workshop penemuan Machine Learning Solutions Lab (MLSL)

Prasyarat

Sebaiknya peserta kursus ini memiliki:

• Pengetahuan dasar tentang komputer dan sistem komputer
• Beberapa pengetahuan dasar tentang konsep machine learning

Garis besar kurikulum

Kursus 1: Introduction to Machine Learning: Art of the Possible

Modul 1 Bagaimana cara machine learning membantu?

• Mendefinisikan machine learning
• Menjelaskan loop umpan balik (flywheel) positif yang mendukung proyek ML
• Menjelaskan berbagai domain bisnis yang terkena dampak machine learning
• Menjelaskan potensi machine learning di pasar yang kurang dimanfaatkan

Modul 2. Bagaimana cara kerja machine learning?

• Menjelaskan kecerdasan buatan
• Menjelaskan perbedaan antara kecerdasan buatan dengan machine learning

Modul 3 Apa saja masalah potensial pada machine learning?

• Menjelaskan perbedaan antara model sederhana dan kompleks
• Memahami masalah yang tidak bisa dijelaskan dan tidak pasti dengan model machine learning

Modul 4 Kesimpulan

Kursus 2: Planning a Machine Learning Project

Modul 1 Apakah solusi machine learning sesuai dengan masalah saya?

• Menjelaskan cara menentukan apakah ML adalah solusi yang tepat untuk masalah bisnis Anda

Modul 2. Apakah data saya siap untuk machine learning?

• Menjelaskan proses untuk memastikan bahwa data Anda siap untuk ML

Modul 3 Bagaimana machine learning akan berdampak pada lini masa proyek?

• Menjelaskan cara ML memberi dampak pada lini masa proyek

Modul 4 Pertanyaan awal apa yang harus saya tanyakan dalam deployment?

• Mengidentifikasi pertanyaan yang akan diajukan yang memengaruhi deployment ML

Modul 5 Kesimpulan

Kursus 3: Building a Machine Learning Ready Organization

Modul 1 Bagaimana cara mempersiapkan organisasi saya untuk menggunakan ML?

• Bagaimana cara mempersiapkan organisasi saya untuk menggunakan ML?
• Bagaimana AWS dapat membantu saya?
• Strategi lain apa yang bisa saya adopsi untuk memastikan keberhasilan organisasi?
• Pendekatan pergeseran budaya mana yang berfungsi untuk organisasi saya?

Modul 2. Bagaimana cara mengevaluasi strategi data saya?

• Bagaimana cara mengevaluasi strategi data saya?
• Bagaimana cara meningkatkan strategi data saya?

Modul 3 Bagaimana cara menciptakan budaya pembelajaran dan kolaborasi?

• Bagaimana cara menciptakan budaya pembelajaran dan kolaborasi?
• Apa yang dimaksud dengan ilmuwan data?
• Keterampilan apa yang harus dimiliki ilmuwan data?
• Seperti apa tim ML pilot?
• Peran pendukung apa lagi yang saya butuhkan?
• Apa saja tanggung jawab utamanya?

Modul 4 Bagaimana cara memulai perjalanan ML saya?

• Bagaimana cara memulai perjalanan ML saya?
• Seperti apa perjalanan ML organisasi?
• Apa contoh kasus bisnis untuk perkembangan organisasi?

Modul 5 Kesimpulan