Pilih silabus pada checkbox atau tulis pada form
Body
jika ada silabus yang ingin ditambahkan
Title
Silabus
Introduction, learning theory, supervised learning, unsupervised learning
Linear classifiers, separability, perceptron algorithm (single layer perceptron), logistic regression
Training objectives, over-fitting, regularization
Clustering, k-means, Self Organized Map
Non-linear classification, kernels, support vector machine
Ensembles, boosting
Neural networks, multi layer perceptron, backpropagation
Deep learning (Auto encoder, Neural Networks, Neural Networks)
Mixtures and the EM algorithm
Representation of probability models: Bayesian networks
Hidden Markov Models: modeling, algorithm
Body (tulis apabila ada silabus yang ingin ditambahkan)
Pilih durasi video dan tanggal publikasi video (opsional)
Pilih durasi video:
Any (durasi video bebas)
Long (lebih dari 20 menit)
Medium (antara 4 dan 20 menit)
Short (kurang dari 4 menit)
Tanggal publikasi (menampilkan video sebelum tanggal publikasi):