Mohon untuk bergabung pada link WhatApp Group di atas untuk koordinasi pelaksanaan MK Pemodelan & Optimasi S2 IF, tahun ajaran 2023/2024-02
Salam,
Dr. Erwin Budi Setiawan/Dr. Imelda ADeskripsi Mata Kuliah
Pada mata kuliah ini mahasiswa belajar tentang konsep dasar dari pemodelan matematika yang memanfaatkan teknik optimisasi untuk menyelesaikan permasalahan di bidang Informatika. Contoh kasus yang dibahas dalam mata kuliah ini adalah masah regresi, klasifikasi, graph dan combinatorial optimization.In this course, students will study the concept of mathematical modeling that using optimization techniques for solving problems in informatics. Example cases that are discussed in this course are problem related with regression, classification, graph and combinatorial.
Team Teaching:- Dr. Didit Adytia (DAY),
- Prof. Dr. Adiwijaya (ADW)
- Dr. Erwin Budi Setiawan
- Dr. Imelda Atastina
Course Learning Outcomes (CLO) CLO-1 Mahasiswa mampu menjelaskan konsep penyelesaian masalah dibidang Informatika dengan menggunakan pemodelan matematika CLO-2 Mahasiswa mampu menjelaskan beberapa metode optimisasi untuk masalah regresi dan klasifikasi CLO-3 Mahasiswa mampu menjelaskan konsep optimasi dan pemodelan dalam beberapa model machine learning REFERENSI
- Gershenfeld, Neil, The Nature of Mathematical Modeling, Cambridge University Press, 2003.
- Wolberg, J, Data Analysis Using the Method of Least Squares : Extracting the Most Information from Experiments, Springer, 2006.
- Alpaydin, E, Introduction to Machine Learning, Second Edition, MIT Press, 2010.
- Bazaraa, M.S, Sherali,H.D, and Shetty, C.M., Nonlinear Programming: Theory and Algorithm, Third Edition, Wiley Interscience, 2006.
- Chee-Hock, Ng, and Boon-Hee, Soong, Queueing Modelling Fundamentals : With Applications in Communication Network, John Wiley & Sons, 2008.
- Geir Agnarsson & Raymond Greenlaw, 2006, Graph Theory: Modeling, Applications, and Algorithms, Prentice Hall.
- Gary Chartrand & Ping Zhang, 2009, Chromatic Graph Theory, Chapman and Hall/CRC
PENILAIAN MK PEMODELAN & OPTIMASI:PLO CLO Assesment tools Bobot Asesment Tools Tipe Evaluasi PLO 2 CLO1 CLO1.TUGAS 10 Aktifitas Partisipatif CLO2 CLO2.TUGAS 20 Kognitif CLO2. PROYEK 20 Hasil Project CLO3 CLO3.TUGAS 20 Aktifitas Partisipatif CLO3.QUIZ 10 Kognitif CLO3.PROYEK 20 Hasil Project
Topic outline
- General
- Minggu #5 : Metode Gradient Descent
Mohon ditampilkan NAMA LENGKAP pada ID anda.
Berikut ini adalah LINK untuk video meeting yang ke-5:
Topik: Gradient Descent
Untuk bukti presensi, mohon untuk menonton video kuliah di atas pada link di atas.
- Minggu #6 : Model Algoritma Genetika
Mohon ditampilkan NAMA LENGKAP pada ID anda.
Berikut ini adalah LINK untuk video meeting yang ke-6:
Topik : Genetic Algorithm
Untuk bukti presensi, mohon untuk menonton video kuliah di atas pada link di atas.
Berikut ini adalah contoh code python untuk metode Genetic Algorithm yang diaplikasikan untuk masalah regresi.
- Minggu #7 : Dasar pemodelan pada Support Vector Machine
Mohon ditampilkan NAMA LENGKAP pada ID anda.
Berikut ini adalah LINK untuk video meeting yang ketiga:
Topik : Introduction to Support Vector Machine (Classification Problem)
Untuk bukti presensi, mohon untuk menonton video kuliah di atas pada link di atas.
- Minggu #9 : Metode Lagrange Multiplier untuk Optimasi
Mohon ditampilkan NAMA LENGKAP pada ID anda.
Berikut ini adalah LINK untuk video meeting yang ketiga:
Topik : 9.a. Lagrange Multiplier
Untuk bukti presensi, mohon untuk menonton video kuliah di atas pada link di atas.
Berikut ini adalah LINK untuk video meeting yang ketiga:
Topik : 8.b. Lagrange Multiplier
Untuk bukti presensi, mohon untuk menonton video kuliah di atas pada link di atas.