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.

BEGINNER6 penilaian26 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 Cloud03:12

Membuat Repo di Akun Github01:19
Setting Virtual Environment02:56
Instalasi Streamlit01:20
Setting Projects06:43
Docs Streamlit01:01
Membuat Menu Activities Sederhana Menggunakan Streamlit01:18
Pengantar Face Detection dan Haar Cascade Classifier02:11
Membuat Fungsi Face Detection using Haar Cascade04:11
Mengaktifkan Fitur Upload Gambar Menggunakan Streamlit File Uploader03:16
Mendeteksi Gambar dan Mengaktifkan Button Proses01:37
Deploy Aplikasi Face Detection ke Streamlit01:16

Membuat Repo di Akun Github01:02
Setting Project (Git Clone di VS Code Install Requirements Package)02:21
Problem Statement Dataset01:59
Data Cleaning04:31
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 Learning06:09
Menjalankan Aplikasi pada Streamlit Local (1_2)04:29
Menjalankan Aplikasi pada Streamlit Local (2_2)03:46
Deploy Aplikasi Laptop Price Predictor ke Streamlit01:55

Sekilas Mengenai Natural Language Processing01:44
Apa Itu Analisis Sentimen00:49
Membuat Repo di Akun Github00:49
Sekilas Mengenai NLTK _ Setting Project02:21
Pengenalan Dataset01:29
Membangun Model Machine Learning02:07
Menjalankan Aplikasi pada Streamlit Local02:41
Deploy Aplikasi Sentiment Analysis ke Streamlit01:00
Penyusun Materi

Prev
Next
Nur Indah Pratiwi
Nur Indah Pratiwi

Belum ada keterangan

Testimoni Oleh Siswa

  • Semua
  • Bintang 5
  • Bintang 4
  • Bintang 3
  • Bintang 2
  • Bintang 1
4.8

(6 reviews)

5 Bintang
83%
4 Bintang
17%
3 Bintang
0%
2 Bintang
0%
1 Bintang
0%
Nur Alamsyah
Nur Alamsyah

Rabu, 4 Februari 2026 pukul 14.54

Saya sangat senang bisa memahami step by step dari materi yang diberikan dan sambil mempraktikkannya dengan mudah, Terima Kasih atas penjelasan dan contoh kasus yang diberikan sangat membantu.

Raditya Angkasa
Raditya Angkasa

Sabtu, 20 Januari 2024 pukul 01.02

Mantap seru banget belajar disini langsung to the point tentang pembahasan, minusnya ada beberapa yang terlalu cepat aja

Benedictus Dikha Arianda
Benedictus Dikha Arianda

Rabu, 2 Agustus 2023 pukul 04.40

Mudah dipahami,Keren sekali,Informatif

Benedictus Dikha Arianda
Benedictus Dikha Arianda

Rabu, 2 Agustus 2023 pukul 04.39

Kontennya menarik,Informatif

NURYA FAHRU ROSYIDIN
NURYA FAHRU ROSYIDIN

Senin, 3 Juli 2023 pukul 18.21

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
Afandi Nur Aziz Thohari

Sabtu, 27 Mei 2023 pukul 21.56

Ada sedikit kesalahan saat menggunakan menampilkan grafik countplot, harus jelas nilai parameter x dan y nya