Sidia is a education Platform website.
Course Description
This course examines the application of Elementary Linear Algebra and Statistics in the field of computing. Students are introduced to mathematical application programs (Maple/Scilab/R/Python) to group data using K-Means and classify data (K-Nearest Neighbor) as well as compressing images using the PCA method
Program Objectives (PO)
- Mampu menggunakan aplikasi pemrograman untuk menyelesaikan masalah matematis
- Mampu mengimplementasikan konsep-konsep operasi matriks dan statistika untuk menyelesaikan masalah di bidang komputasi
- Mampu menyusun program komputer sederhana untuk menyelesaikan permasalahan matematika
- Mampu mengomunikasikan hasil kerja mandiri ataupun kelompok yang sesuai dengan kaidah ilmiah
Aktifitas Pembelajaran
-
Pertemuan 1 Lingkungan kerja Program Aplikasi Matematika (Scilab) -
Pertemuan 2 Lingkungan kerja Program Aplikasi Matematika (Scilab) -
Pertemuan 3 Aplikasi dari aljabar linear elementer dalam komputasi matematika -
Pertemuan 4 Aplikasi dari aljabar linear elementer dalam komputasi matematika -
Pertemuan 5 Aplikasi dari aljabar linear elementer dalam komputasi matematika -
Pertemuan 6 Aplikasi dari aljabar linear elementer dalam komputasi matematika -
Pertemuan 7 Konsep reduksi dimensi dalam komputasi -
Pertemuan 8 Ujian Tengah Semester -
Pertemuan 9 Konsep pengelompokkan (clustering) pada sekumpulan data sederhana -
Pertemuan 10 Konsep pengelompokkan (clustering) pada sekumpulan data sederhana -
Pertemuan 11 Konsep pengelompokkan (clustering) pada sekumpulan data sederhana -
Pertemuan 12 Konsep klasifikasi pada sekumpulan data sederhana -
Pertemuan 13 Konsep klasifikasi pada sekumpulan data sederhana -
Pertemuan 14 Konsep klasifikasi pada sekumpulan data sederhana -
Pertemuan 15 Merancang program pada aplikasi matematika untuk menyelesaikan permasalahan rill yang berkaitan dengan konsep PCA, K-Means, dan KNN -
Pertemuan 16 Merancang program pada aplikasi matematika untuk menyelesaikan permasalahan rill yang berkaitan dengan konsep PCA, K-Means, dan KNN
References
- Alpaydim, E. 2020. Introduction to Machine Learning (4th Edition). Cambridge: MIT University Press.
- Anton, H. dkk. 2019. Elementary Linear Algebra Application Version (12th Edition). Hoboken: John Wiley & Sons.
- Baskar, A. dkk. 2023. Digital Image Processing. Oxon: CRC Press
- Murphy, K. P. 2012. Machine Learning: A Probabilistic Perspective. Cambridge: MIT University Press
Lecturer
Difficult Things About Education.
$75$10
More Similar Courses
Related Courses
Discrete Mathematics
In this course, concepts in discrete mathematics will be studied, including logic, basic discrete structures, and combinatorial analysis, which are the basis for advanced topics
Instructional Media
Study of the meaning, types/classifications, functions, basics of media development, media principles, and being able to select, design, and produce learning media by utilizing the
Development of Creative Learning Media
Study of media selection, learning design and presentation of creative learning media in chemistry learning through discussion and practice
Copyright © 2026 Sinau Digital UNESA All Rights Reserved