Buku Machine Learning Modern Berbasis Ensemble: Teori, Implementasi, dan Studi Kasus membahas pendekatan pembelajaran mesin modern yang mengombinasikan berbagai model untuk meningkatkan akurasi, stabilitas, dan keandalan prediksi. Buku ini menguraikan landasan teoritis ensemble learning, mulai dari metode klasik seperti Bagging, Boosting, dan Random Forest hingga teknik lanjutan seperti Gradient Boosting, XGBoost, LightGBM, dan Stacking, disertai panduan implementasi praktis menggunakan Python. Selain itu, dibahas pula aspek penting machine learning modern, termasuk interpretabilitas model, feature importance, SHAP, serialisasi, dan deployment model ensemble pada lingkungan produksi. Dilengkapi dengan studi kasus dan eksperimen komparatif, buku ini memberikan gambaran utuh proses pengembangan sistem machine learning dari data hingga penerapan, sehingga relevan sebagai buku referensi bagi mahasiswa, akademisi, dan praktisi.

Penulis :  Gigih Amrillah Ibnurhus

Halaman buku: 141

DOWNLOAD

PRE-ORDER | Rp 58.000