Week 1: Introduction to

Machine Learning for Text

AAIN Eka Karyawati

Informatics
Capaian Pembelajaran Mata
Kuliah
●
Mahasiswa mampu memahami dan menjelaskan konsep
umum dari pembelajarn mesin untuk data tekstual
●
Mahasiswa mampu memahami dan menjelaskan Pemrosesan
Awal untuk Data Tekstual dan Penghitungan Kesamaan
●
Mahasiswa mampu memahami dan menjelaskan Faktorisasi
Matriks dan Pemodelan Topik
●
Mahasiswa mampu menjelaskan dan menerapkan konsep
Klasifikasi Teks dengan Model-model Dasar
●
Mahasiswa mampu menjelaskan dan menerapkan tentang
konsep klasterisasi teks
Capaian Pembelajaran Mata
Kuliah
●
Mahasiswa mampu menjelaskan dan menerapkan tentang
konsep klasifikasi dan regresi linier untuk data tekstual
●
Mahasiswa mampu menjelaskan dan menerapkan tentang
evaluasi Classifier
●
Mahasiswa mampu menjelaskan tentang pengantar ke Text
Sequence Modeling and Deep Learning
●
Mahasiswa mampu memodelkan teknik pembelajaran mesin
untuk data tekstual sesuai kasus yang diberikan dan
mengimplementasikannya ke dalam bahasa pemrograman
Python
 Syllabus

1. Pengantar Pembelajaran Mesin untuk Data Tekstual

2. Pemrosesan Awal untuk Data Tekstual dan Penghitungan
Kesamaan
3. Faktorisasi Matriks dan Pemodelan Topik
4. Klasifikasi Teks dengan Model-model Dasar
5. Klasterisasi Teks
6. Klasifikasi dan Regresi Linier untuk Data Tekstual
7. Evaluasi Classifier
8. Pemodelan Teks Sekuensial dan Deep Learning
Course Content
Week # Course Matter

1 Introduction to MLFT
2 Text Representation and Preprocessing
3 Similarity Computation
4 Singular Value Decomposition
5 Probabilistic Latent Semantic Analysis

6 Naive Bayes Model, Nearest Neighbor Classifier

7 Decision Trees
8 UTS
Course Content
Week # Course Matter

9 k-Means Algorithm, Hierarchical Clustering Algorithms

10 Clustering Text as Sequences
11 Least-Squares Regression
12 Classification, Support Vector Machines
13 Cross-Validation and Accuracy
14 Text Sequence Modeling
15 Deep Learning

16 UAS (Presentation)
References

●
Charu C. Aggarwal. 2018. Machine Learning for Text (1st. ed.).
Springer Publishing Company, Incorporated.
●
Charu C.Aggarwal and Cheng Xiang Zhai. 2012. Mining Text
Data. Springer Publishing Company, Incorporated.
●
H. Cui, R. Sun, K. Li, M.Y. Kan, T.S. Chua (2005). Question
Answering Passage Retrieval Using Dependency Relations.
ACM SIGIR, 400-407.
Grading
●
Attendance >= 75%
●
Keaktifan, Kehadiran, Quiz, Individual and Group
Assignment: 60%
●
Examination:
UTS: 20%
UAS: 20%
Grading
What is Machine Learning
What is Machine Learning
Key Elements of Machine
Learning
Key Elements of ML -
Representation
Key Elements of ML -
Evaluation
Key Elements of ML -
Optimization
Types of Machine Learning
Machine Learning Pipeline
Machine Learning Pipeline
(Cont.)