Deploy Projek Machine Learning ke Cloud
Dalam course ini akan dibahas secara spesifik mengenai tiga projek machine learning, dimulai dari data yang digunakan, membuat model prediksi, hingga deploy model tersebut ke cloud untuk dapat digunakan secara meluas.
BEGINNER5 penilaian25 peserta
Tentang Kelas
Dalam course ini akan dibahas secara spesifik mengenai tiga projek machine learning, dimulai dari data yang digunakan, membuat model prediksi, hingga deploy model tersebut ke cloud untuk dapat digunakan secara meluas.
Target dan Sasaran Siswa
- Ditujukan bagi peserta yang ingin memulai karirnya dibidang machine learning.
- Ditujukan bagi peserta yang tertarik pada dunia data.
- Ditujukan bagi yang melakukan dasar-dasar pemrograman.
Tujuan Umum dan Khusus Pelatihan
- Memahami workflow lengkap siklus machine learning.
- Menerapkan algoritma machine learning untuk berbagai kasus.
- Studi kasus dan proyek pada data yang sebenarnya.
- Memperkenalkan Streamlit sebagai salah satu layanan yang dapat memudahkan pengguna untuk deploy aplikasi berbasis Python.
- Eksplorasi bagaimana cara deploy model machine learning ke Streamlit.
- Mengetahui model machine learning mana yang harus dipilih untuk setiap jenis permasalahan.
- Membangun portofolio machine learning untuk meningkatkan CV.
Peralatan Belajar Siswa
- Software:
- Visual Studio Code sebagai text editor
- Akun github dan streamlit
- Browser: Chrome, Firefox, atau Ms. Edge
- Bahasa Pemrograman: Python
- Prosesor laptop/komputer (direkomendasikan core i3 ke atas) dengan RAM minimal 4GB.
Daftar Materi
Intro Course ML Project Cloud | 03:12 |
Membuat Repo di Akun Github | 01:19 | |
Setting Virtual Environment | 02:56 | |
Instalasi Streamlit | 01:20 | |
Setting Projects | 06:43 | |
Docs Streamlit | 01:01 | |
Membuat Menu Activities Sederhana Menggunakan Streamlit | 01:18 | |
Pengantar Face Detection dan Haar Cascade Classifier | 02:11 | |
Membuat Fungsi Face Detection using Haar Cascade | 04:11 | |
Mengaktifkan Fitur Upload Gambar Menggunakan Streamlit File Uploader | 03:16 | |
Mendeteksi Gambar dan Mengaktifkan Button Proses | 01:37 | |
Deploy Aplikasi Face Detection ke Streamlit | 01:16 |
Membuat Repo di Akun Github | 01:02 | |
Setting Project (Git Clone di VS Code Install Requirements Package) | 02:21 | |
Problem Statement Dataset | 01:59 | |
Data Cleaning | 04:31 | |
Exploratory Data Analysis (1_5) | 03:14 | |
Exploratory Data Analysis (2_5) | 07:09 | |
Exploratory Data Analysis (3_5) | 05:06 | |
Exploratory Data Analysis (4_5) | 06:46 | |
Exploratory Data Analysis (5_5) | 06:53 | |
Membangun Model Machine Learning | 06:09 | |
Menjalankan Aplikasi pada Streamlit Local (1_2) | 04:29 | |
Menjalankan Aplikasi pada Streamlit Local (2_2) | 03:46 | |
Deploy Aplikasi Laptop Price Predictor ke Streamlit | 01:55 |
Sekilas Mengenai Natural Language Processing | 01:44 | |
Apa Itu Analisis Sentimen | 00:49 | |
Membuat Repo di Akun Github | 00:49 | |
Sekilas Mengenai NLTK _ Setting Project | 02:21 | |
Pengenalan Dataset | 01:29 | |
Membangun Model Machine Learning | 02:07 | |
Menjalankan Aplikasi pada Streamlit Local | 02:41 | |
Deploy Aplikasi Sentiment Analysis ke Streamlit | 01:00 |
Penyusun Materi
Testimoni Oleh Siswa
4.8
(5 reviews)
5 Bintang
80%
4 Bintang
20%
3 Bintang
0%
2 Bintang
0%
1 Bintang
0%
Raditya Angkasa
Mantap seru banget belajar disini langsung to the point tentang pembahasan, minusnya ada beberapa yang terlalu cepat ajaBenedictus Dikha Arianda
Mudah dipahami,Keren sekali,InformatifBenedictus Dikha Arianda
Kontennya menarik,InformatifNURYA FAHRU ROSYIDIN
Materi yang diberikan mentor sudah ok dan dapat dengan mudah dipahami akan tetapi untuk codingan countplot nya harus di sesuaikan dulu nilai x dan nilai y nya. dan juga ada codingan lain selain countplot yang error jadi perlu di ganti codingannya dulu supaya bisa jalan dan outputnya juga bisa sama.Afandi Nur Aziz Thohari
Ada sedikit kesalahan saat menggunakan menampilkan grafik countplot, harus jelas nilai parameter x dan y nyaLihat Rekaman