Fakultas Informatika

Algoritma machine learning untuk materi kelas dan praktisi

---

Buku ini membahas konsep dan teknik utama dalam analisis data dan pembeljaran mesin secara sistematis dan terpadu. Pembahasan diawali dengan pra-proses data sebagai fondasi penting. dilanjutkan dengan metode pembelajaran terawasi seperti regresi linear, regresi logistik, Naive Bayes, Support Vector Machine, dan Decision Tree. Buku ini juga mengulas metode ensemble learning meliputi Bagging, Random Forest, AdaBoost, Gradient Boosting, dan XGBoost, serta teknik optimasi model melalui GridSearchVC. Selain itu, dibahas pembelajaran tak terawasi, termasuk K-Means, clustering hierarkis, DBSCAN, PCA, dan t-SNE, beserta evaluasi menggunakan Silhouette. Tantangan aplikasi nyata seperti data tidak seimbang, kalibrasi probabilitas, dan penentuan ambang keputusan turut menjadi perhatian. Buku ini dirancang untuk mahasiswa, dosen, dan praktisi yang membutuhkan pemahaman konseptual dan praktis dalam membangun model pembelajaran mesin yang andal.

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

006.31 KHU a

Penerbit

Yogyakarta : Teknosain., 2026

Deskripsi Fisik

xv, 410 hlm ; 24 cm

Bahasa

Indonesia

ISBN/ISSN

978-634-7198-98-3

Klasifikasi

006.31

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

ed. 1

Subjek

Machine Learning

Info Detail Spesifik

cet. 1

Pernyataan Tanggungjawab

Ali Khumaidi

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar