Kursus AWS Academy Machine Learning Foundations dirancang untuk memberikan pemahaman mendalam tentang konsep dasar pembelajaran mesin (ML) dan cara menerapkannya menggunakan layanan AWS. Peserta akan mempelajari pipeline ML end-to-end, termasuk pengumpulan data, pelabelan, pelatihan model, dan deployment. Kursus ini mencakup topik utama seperti forecasting, computer vision, pemrosesan bahasa alami (NLP), serta praktik terbaik dalam keamanan dan etika AI.

Melalui pendekatan berbasis praktik dengan Amazon SageMaker dan layanan AWS lainnya, peserta akan memperoleh keterampilan untuk mengembangkan dan mengimplementasikan solusi ML yang efisien. Kursus ini cocok untuk mahasiswa, profesional teknologi, dan siapa saja yang ingin memahami penerapan ML di dunia nyata.

Setelah menyelesaikan kursus ini, peserta akan mampu:

1. Memahami dasar-dasar pembelajaran mesin (ML) dan AI, termasuk konsep utama serta aplikasinya di berbagai industri.
2. Membangun dan mengelola pipeline pembelajaran mesin di AWS, menggunakan Amazon SageMaker dan layanan terkait.
3. Menerapkan ML dalam berbagai skenario, termasuk forecasting, computer vision, dan pemrosesan bahasa alami (NLP).
4. Menggunakan praktik terbaik dalam pengembangan model ML, termasuk optimasi, evaluasi performa, serta etika dalam AI dan ML.
5. Mengembangkan proyek ML dari awal hingga deployment di AWS, dengan studi kasus nyata dan pendekatan berbasis praktik.

1. Pengenalan Pembelajaran Mesin di AWS

• Definisi dan konsep dasar pembelajaran mesin (Machine Learning/ML)
• Peran Artificial Intelligence (AI) dan ML dalam industri
• Layanan AWS yang mendukung AI dan ML

2. Implementasi Pipeline Pembelajaran Mesin dengan Amazon SageMaker

• Pengantar Amazon SageMaker
• Langkah-langkah membangun pipeline ML: pengumpulan data, pelabelan, pelatihan, dan deployment model
• Praktik langsung: Membangun dan mendeploy model ML menggunakan SageMaker

3. Pengenalan Forecasting dengan Layanan AWS

• Konsep dasar forecasting dan aplikasinya
• Menggunakan layanan AWS untuk forecasting
• Studi kasus: Menerapkan forecasting pada data bisnis

4. Pengenalan Computer Vision

• Dasar-dasar computer vision dan penerapannya
• Layanan AWS yang mendukung computer vision
• Praktik langsung: Membangun aplikasi computer vision dengan AWS

5. Pengenalan Natural Language Processing (NLP)

• Konsep dasar NLP dan kegunaannya
• Layanan AWS untuk pemrosesan bahasa alami
• Praktik langsung: Membangun aplikasi NLP menggunakan AWS

6. Etika dalam Pembelajaran Mesin

• Isu etis dalam pengembangan dan penerapan ML
• Bias dan fairness dalam model ML
• Praktik terbaik untuk memastikan penggunaan ML yang etis

7. Studi Kasus dan Implementasi

• Analisis studi kasus penerapan ML di berbagai industri
• Proyek akhir: Membangun dan mendeploy model ML untuk memecahkan masalah nyata
• Diskusi dan pembelajaran dari implementasi proyek