👋 Selamat Datang
Machine Learning (ML) bukan hanya tentang memanggil fungsi dari library seperti `scikit-learn` atau `tensorflow`. Di balik layar, ML didukung oleh pilar-pilar matematika yang kokoh: Aljabar Linear, Kalkulus, Probabilitas, dan Optimasi.
Kursus ini dirancang untuk membantumu memahami "apa yang ada di bawah kap mesin". Materi ini diadaptasi dari buku referensi standar industri "Mathematics for Machine Learning" karya Deisenroth, Faisal, dan Ong, namun disajikan dengan bahasa Indonesia yang lebih mudah dicerna.
Mengapa Belajar Ini?
Memahami matematika di balik ML akan memampukanmu untuk:
✅ Memahami algoritma terbaru di paper riset.
✅ Debugging model yang tidak perform.
✅ Mendesain algoritma custom untuk masalah spesifik.
📚 Daftar Isi Kurikulum
Bab 2: Aljabar Linear
Vektor, Matriks, dan Operasi Dasar. Bahasa utama data.
Bab 3: Geometri Analitik
Norma, Jarak, Sudut, dan Proyeksi.
Bab 4: Dekomposisi Matriks
Eigenvalues, SVD, dan Cholesky. Membongkar struktur data.
Bab 5: Kalkulus Vektor
Gradien, Jacobian, dan Hessian. Mesin penggerak optimasi.
Bab 6: Probabilitas & Distribusi
Mengelola ketidakpastian dalam model.
Bab 7: Optimasi Kontinu
Gradient Descent dan Lagrange Multipliers. Mencari solusi terbaik.