1. Topik 6
Uncertainty Problems dan Probabilistic
Machine Learning
Dr. Sunu Wibirama
Modul Kuliah Kecerdasan Buatan
Kode mata kuliah: UGMx 001001132012
June 22, 2022
2. June 22, 2022
1 Capaian Pembelajaran Mata Kuliah
Topik ini akan memenuhi CPMK 5, yakni mampu mendefinisikan beberapa teknik ma-
chine learning klasik (linear regression, rule-based machine learning, probabilistic machine
learning, clustering) dan konsep dasar deep learning serta implementasinya dalam penge-
nalan citra (convolutional neural network).
Adapun indikator tercapainya CPMK tersebut adalah
memahami teori dasar probabilitas (random variables, probability distributions, joint
probability, conditional probability, marginal probability), memahami terminologi dalam teori
uncertainty dan teori peluang, memahami konsep teori Bayes dan implementasinya.
2 Cakupan Materi
Cakupan materi dalam topik ini sebagai berikut:
a) Introduction to Uncertainty: materi ini menjelaskan tentang sebab-sebab munculnya
ketidakpastian dalam data dan kelemahan machine learning yang berbasis decision
tree (rule-based machine learning).
b) Probability for Machine Learning: materi ini menjelaskan dasar-dasar teori peluang,
termasuk di antaranya random variables, probability distributions, joint probability,
conditional probability, marginal probability.
c) Bayesian Rules: materi ini menjelaskan konsep-konsep dasar implementasi dari con-
ditional, joint, dan marginal probability dalam formula Bayesian rule atau Bayesian
reasoning.
d) Implementasi Bayesian Rule: materi ini menjelaskan implementasi Bayesian rule
dalam beberapa kasus, misalnya memprediksi gender, peluang terinfeksi Covid-19, dan
implementasi pada Computer Aided Diagnosis untuk memprediksi beberapa penyakit
berdasarkan ragam gejala yang ada.
1