Deskripsi
Ingin tahu bagaimana membangun software yang mampu mengenali ujaran kebencian dari sebuah text secara otomatis ? Dari nol sampai mahir, pembelajaran Text Classification membimbingmu memahami cara mengenali dan mengelompokkan teks secara otomatis dengan coding python. Materinya sederhana, praktis, jelas, dan cocok untuk pemula. Semua pembelajaran disusun agar bisa langsung diterapkan dalam dunia kerja.
Sasaran Siswa
- Memahami Text Classification
- Mengenal teknik NLP dasar
- Membangun model klasifikasi teks
Perangkat yang Dibutuhkan
Prosesor
Intel Core i3 (Rekomendasi Core i5 ke atas)
Sistem Operasi
Windows, Linux, MacOS
Biaya Investasi
Rp 350.000
Metode Ajar
- Self-paced learning
- Total Belajar : 10 jam 50 menit
Instructor
Dr. Ni Wayan Sumartini Saraswati, S.T.,M.T.
Apa yang akan Anda dapatkan
Sertifikat
Dapatkan sertifikat resmi sebagai bukti kompetensi Anda.
Modul
Akses modul pembelajaran lengkap yang mudah dipahami kapanpun.
Forum Diskusi
Diskusi interaktif bersama siswa lainnya.
Kuis
Kuis singkat untuk menguji dan memperkuat pemahaman materi.
Ujian
Ujian akhir untuk mengukur kemampuan dan kelulusan course.
Silabus
Materi yang Anda pelajari di kelas ini
Pengenalan Text Classification
Modul ini membahas tentang pengenalan text classification, yaitu teknik machine learning yang secara otomatis memberi label pada data teks. Pengenalan ini berupa konsep dasar, jenis-jenis, penerapannya, tantangan, dan praktis terbaik menggunakan text classification.
30 Menit
Text Preprocessing
Modul ini menjelaskan preprocessing teks sebagai langkah penting untuk meningkatkan kualitas data dengan mengurangi noise dan memperbaiki struktur teks. Pembahasan mencakup teknik dasar seperti case folding, normalisasi teks, stopword removal, hingga stemming.
90 Menit
Evaluasi Model
Modul ini membahas evaluasi model text classification, yaitu tahap penting untuk menilai seberapa baik algoritma bekerja. Evaluasi dapat diibaratkan sebagai “rapor” untuk model machine learning, sehingga kita tahu apakah model benar-benar pintar atau hanya terlihat bagus.
30 Menit
Naive Bayes
Modul ini membahas penerapan algoritma Multinomial Naive Bayes pada studi kasus hate speech detection di media sosial.
120 Menit
Support Vector Machine (SVM)
Modul ini membahas penerapan algoritma Support Vector Machine (SVM) pada studi kasus hate speech detection di media sosial. Berbeda dengan Naive Bayes yang berbasis probabilitas, SVM bekerja secara geometris dengan mencari hyperplane terbaik untuk memisahkan kelas dengan margin maksimal.
100 Menit
Logistic Regression
Modul ini menjelaskan penerapan Logistic Regression pada studi kasus hate speech detection. Meskipun namanya ada kata “regression”, algoritma ini sebenarnya dipakai untuk klasifikasi biner, bukan regresi. Prinsip utamanya adalah menggunakan fungsi logistik (sigmoid) untuk mengubah hasil perhitungan menjadi probabilitas antara 0–1, lalu menentukan kelas berdasarkan ambang batas (default 0.5).
100 Menit
Submission
Ujian akhir mengimplementasikan metode machine learning untuk kasus text classification
180 Menit