Description
Buku ini membahas konsep, teori, dan implementasi algoritma Machine Learning yang banyak digunakan dalam klasifikasi dan prediksi data, yaitu Logistic Regression (LR), Random Forest (RF), dan Convolutional Neural Network (CNN). Pembahasan dimulai dari model linear probabilistik yang sederhana, berlanjut ke metode berbasis aturan yang interpretatif, teknik ensemble yang lebih akurat dan stabil, hingga pendekatan deep learning untuk pengolahan citra dan pola kompleks. Setiap metode dijelaskan secara matematis dan intuitif, dilengkapi contoh numerik, visualisasi, serta implementasi kode Python yang dapat langsung dipraktikkan. Buku ini dirancang untuk membantu mahasiswa dan praktisi memahami prinsip kerja algoritma sekaligus mengaplikasikannya pada permasalahan nyata di bidang sistem cerdas (contoh pada bab 5,6,7,8). Dengan pendekatan konseptual dan praktis, buku ini menjadi jembatan antara teori dan aplikasi Machine Learning modern.
