Selamat Datang di Bootcamp Artificial Intelligence 2025, Politeknik Negeri Padang bekerja sama dengan Epsindo Prima Solusi, dengan bangga mempersembahkan Bootcamp Artificial Intelligence 2025.

Sebuah program yang dirancang untuk membekali peserta dengan keterampilan praktis dan mendalam dalam pengolahan data dan pembangunan model machine learning. Melalui bootcamp ini, peserta akan diajak menyelami dunia Artificial Intelligence mulai dari tahap awal — data cleaning dan preparation, hingga membangun model prediktif dan melakukan inference secara real-time. Kegiatan ini dirancang dengan pendekatan hands-on menggunakan tools populer di industri seperti Python, pandas, dan scikit-learn.
Bersama para instruktur berpengalaman dari industri dan akademisi, peserta akan belajar mengatasi tantangan nyata yang dihadapi dalam pengembangan solusi berbasis AI.

Data Preparation & Machine Learning Pipeline.
Dalam era data saat ini, kemampuan untuk membersihkan, mempersiapkan, dan membangun model machine learning yang efektif adalah keterampilan penting bagi praktisi data. Workshop ini dirancang untuk memberikan pemahaman mendalam tentang tahapan penting dalam pipeline machine learning — dari data cleaning hingga model inference.

 🎯 Tujuan
Peserta akan belajar teknik-teknik praktis untuk:

1. Menangani data yang tidak bersih
2. Membangun dan mengevaluasi model machine learning
3. Melakukan inferensi model menggunakan Python

 🧹 Sesi 1: Data Cleaning & Preparation – Dalam sesi ini, peserta akan mempelajari cara membersihkan dan menyiapkan data agar siap digunakan dalam model machine learning.

 🔹 Handling Missing & Duplicate Data – Pelajari teknik mengidentifikasi, menghapus, atau mengimputasi data yang hilang serta menangani duplikasi yang dapat mengganggu hasil analisis.

 🔹 Handling Outliers – Temukan cara mendeteksi dan menangani outliers untuk meningkatkan akurasi model.

 🔹 Handling Imbalance Data – Gunakan metode seperti oversampling, undersampling, dan SMOTE untuk mengatasi ketidakseimbangan data pada kasus klasifikasi.

 🔹 Feature Importance – Analisis dan interpretasi fitur paling penting yang memengaruhi performa model dengan teknik seperti feature importance dari algoritma tree-based.

 🏗️ Sesi 2: Build Machine Learning Model
Setelah data siap, saatnya membangun model prediktif yang handal.

 🔹 Split Data – Pisahkan data menjadi training dan testing set untuk evaluasi yang adil.

 🔹 Model Selection – Kenali berbagai jenis algoritma ML (Random Forest, Logistic Regression, SVM, dll.) dan cara memilih model yang tepat berdasarkan kebutuhan.

 🔹 Training and Evaluation – Lakukan pelatihan model, evaluasi dengan metrik seperti akurasi, precision, recall, F1-score, dan visualisasi confusion matrix.

 🧪 Sesi 3: Model Inference Demo
Buktikan hasil kerja Anda dengan mendemonstrasikan penggunaan model di dunia nyata.

 🔹 Save & Load Model with Pickle – Pelajari cara menyimpan model menggunakan Pickle dan memuatnya kembali untuk digunakan di aplikasi lain.

 🔹 Inference Demo – Demo langsung bagaimana model yang telah dilatih digunakan untuk memprediksi data baru secara real-time.