Teori dan Metode Analitik Data: Klasterisasi

Membahas konsep klasterisasi sebagai metode pengelompokan data berdasarkan kemiripan karakteristik tanpa menggunakan label kelas.

Daftar Pertemuan

5 Pertemuan

1 Materi

12 Pertemuan

Pengantar Big Data Buka materi ↗ · Lihat Pertemuan →

Tujuan Pembelajaran

Target pembelajaran utama pada pertemuan ini dirangkum secara singkat agar mudah dipindai dan diikuti.

Memahami konsep dan prinsip klasterisasi.
Menjelaskan penerapan klasterisasi pada analitik data.

Materi

Koleksi materi pertemuan

Pilih materi yang ingin dibuka. Setiap kartu disusun agar lebih mudah dipindai, lebih hidup, dan tidak terasa monoton.

01 MODULE

Pengelompokan Big Data dengan Algoritma K-Means Menggunakan H2O dan Spark MLlib

Materi ini membahas penerapan clustering (khususnya algoritma K-Means) untuk mengelompokkan big data yang serupa berdasarkan kesamaan tertentu, lengkap dengan penjelasan ukuran jarak (Euclidean, Cosine, Manhattan), contoh praktik menggunakan H2O Flow UI dan H2O Python API pada dataset Wine, implementasi paralel dengan Spark MLlib, hingga studi kasus pembangunan sistem rekomendasi lagu berbasis konten menggunakan dataset Juta Lagu, serta pengantar singkat mengenai klasifikasi dan regresi sebagai bagian dari pembelajaran mesin yang diawasi.

Buka materi ↗