DataScience

Pengantar komprehensif data mining dan machine learning — dari perbedaan supervised vs unsupervised, struktur input (konsep, instances, atribut), format ARFF, hingga aplikasi nyata di load forecasting, diagnosis medis, dan marketing. Berdasarkan buku Witten & Frank.

Dari perceptron sederhana ke deep neural networks — pahami forward propagation, backpropagation algorithm, gradient descent optimization, activation functions, regularization, dropout, batch normalization, dan tips training deep networks. Materi CS229 + best practices modern.

Panduan komprehensif decision trees dan ensemble methods — dari ID3, CART, entropy & Gini impurity, Random Forest, Bagging, AdaBoost, Gradient Boosting, hingga XGBoost. Dengan penjelasan matematis dan code Python siap pakai.

Dari geometric margin ke dual optimization, dari soft-margin SVM ke kernel trick yang legendaris. Memahami Support Vector Machines secara matematis lengkap dengan intuisi visual. Materi CS229 Stanford.

Memahami perbedaan mendasar antara generative dan discriminative learning — dari Gaussian Discriminant Analysis (GDA), Naive Bayes classifier, Laplace smoothing, hingga aplikasi spam filtering. Materi CS229 Stanford yang dijelaskan dengan intuisi dan matematika.

Panduan matematis namun aksesibel tentang fondasi supervised learning — dari LMS algorithm, normal equations, logistic regression dengan Newton's method, hingga Generalized Linear Models (GLMs). Berdasarkan CS229 Stanford oleh Andrew Ng.

Panduan komprehensif Double Machine Learning (DML) — teknik revolusioner untuk estimasi efek kausal menggunakan machine learning. Pelajari cara DML mengatasi confounding, mengestimasi treatment effect heterogeneity, dan aplikasinya dalam riset kebijakan sosial.

Bagaimana supervised machine learning digunakan untuk memprediksi fenomena sosial sensitif — dari intimate partner violence hingga identitas seksual minoritas. Lengkap dengan metodologi, pemilihan algoritma, evaluasi model, dan diskusi etis dari riset terkini.