Bismillaah Alhamdulillah,

Kuliah daring saat ini sudah banyak ditemukan di dunia maya, baik itu yang gratis maupun yang berbayar. Salah satu penyedia layanan kuliah daring yang terkenal adalah Coursera.org (untuk selanjutnya ditulis Coursera.)

Mata kuliah Machine Learning adalah salah satu mata kuliah yang disediakan secara gratis oleh Coursera. Kuliah yang dipandu langsung oleh Assoc. Prof. Andrew Ng ini telah diikuti oleh 4 juta lebih siswa, dengan skor kuliah 4,9 dari 5, serta nilai silabus kuliah 97%.

Bahasan yang akan saya sampaikan di artikel ini adalah sebagai berikut.

• Pendahuluan Coursera
• Pengenalan Mata Kuliah Machine Learning di Coursera
• Pengajar
• Silabus
• Struktur Laman Web
• Metode Pembelajaran

---

1. Pendahuluan Coursera

Coursera bermitra dengan lebih dari 200 universitas dan perusahaan terkemuka untuk menghadirkan pembelajaran daring yang fleksibel, terjangkau, dan relevan dengan pekerjaan kepada individu maupun organisasi di seluruh dunia. Coursera menawarkan berbagai kesempatan belajar—dari proyek dan kursus langsung hingga sertifikat siap kerja dan program gelar ¹ . Hingga saat ini terdapat sekira 82 juta siswa dari seluruh dunia yang pernah mengikuti kuliah daring di Coursera.

a) Jenis Kuliah

Terdapat 6 jenis kuliah dengan target, waktu, dan biaya yang berbeda-beda ² .

b) Coursera Plus

Coursera juga menawarkan akses tak terbatas ke 3.000+ kursus kelas dunia, proyek langsung, dan program sertifikat siap kerja, dengan satu harga berlangganan yang sudah termasuk semua ³ .

c) Kuliah di Tingkatan Organisasi

2. Pengenalan Mata Kuliah Machine Learning di Coursera

Machine Learning atau pembelajaran mesin adalah ilmu untuk membuat komputer bertindak tanpa diprogram secara eksplisit. Dalam dekade terakhir, pembelajaran mesin telah memberi kita mobil self-driving, pengenalan ucapan praktis, pencarian web yang efektif, dan pemahaman yang jauh lebih baik tentang genom manusia. Pembelajaran mesin begitu meresap hari ini sehingga kita mungkin menggunakannya puluhan kali sehari tanpa menyadarinya. Banyak peneliti juga berpikir ini adalah cara terbaik untuk membuat kemajuan menuju kecerdasan buatan setingkat manusia.

Di kelas ini, siswa akan belajar tentang teknik pembelajaran mesin yang paling efektif, dan berlatih menerapkannya dan membuatnya bekerja untuk kepentingan siswa itu sendiri. Lebih penting lagi, siswa akan belajar tentang tidak hanya dasar-dasar teoritis pembelajaran, tetapi juga mendapatkan pengetahuan praktis yang diperlukan untuk menerapkan teknik ini dengan cepat dan kuat pada masalah baru. Terakhir, siswa akan belajar tentang beberapa praktik terbaik di Silicon Valley dalam inovasi yang berkaitan dengan pembelajaran mesin dan kecerdasan buatan.

Kursus yang ditawarkan oleh Universitas Stanford di Amerika Serikat ini memberikan pengantar yang luas untuk pembelajaran mesin, penggalian data (data mining), dan pengenalan pola (pattern recognition) statistik. Topik yang diajarkan meliputi:

1. Supervised Learning atau pembelajaran yang diawasi, seperti: algoritma parametrik / non-parametrik, mesin vektor pendukung (support vector machine), kernel, jaringan saraf tiruan (artificial neural networks).
2. Unsupervised Learning atau pembelajaran tanpa pengawasan, seperti: pengelompokan (clustering), pengurangan dimensi (dimensionality reduction), sistem rekomendasi, pembelajaran mendalam (deep learning).
3. Praktik terbaik dalam pembelajaran mesin (teori bias/varians; proses inovasi dalam pembelajaran mesin dan kecerdasan buatan). Kursus ini juga akan diambil dari berbagai studi kasus dan aplikasi, sehingga siswa juga akan belajar bagaimana menerapkan algoritma pembelajaran untuk membangun robot pintar (persepsi, kontrol), pemahaman teks (pencarian web, anti-spam), visi komputer, informatika medis , audio, penambangan basis data, dan area lainnya.

Dalam video terdapat fitur pengaturan teks subtitle, seperti bahasa Inggris, Indonesia (sebagian), Arab, dan lain-lain.

3. Pengajar

Dipandu langsung oleh Adjunct Professor dari Universitas Stanford.

4. Silabus

Silabus lengkap ada di laman web . Garis besarnya adalah sebagai berikut.

5. Struktur Laman Web

Setelah memasuki laman web perkuliahan, di bagian sebelah kiri halaman ada menu seperti pada gambar berikut.

• Overview, menampilkan daftar perkembangan belajar di tiap pekan. Termasuk pencatatan menonton video, membaca (atau unduh bacaan), kuis, dan (jika ada) tugas pemrograman. Terdapat juga informasi batas waktu pengerjaan kuis dan tugas pemrograman, serta nilai (grade) yang diperoleh jika sudah mengerjakan. Catatan: kuis dapat diulang sebanyak 3x setiap 8 jam dengan syarat lulus dapat nilai minimal 80%, tugas pemrograman dapat diunggah ulang untuk revisi (nilai diambil dari tugas dengan nilai tertinggi), dan batas waktu pengumpulan tugas biasanya setiap hari Senin, 13.59 WIB.
• Grades, menyimpan data nilai dan status kelulusan di setiap materi yang ada di tiap pekannya. Nilai diambil dari kuis dan tugas pemrograman yang masing-masing punya bobot tertentu. Serta ada juga informasi batas waktu pengumpulan atau pengerjaan tugasnya. Jika karena sesuatu hal tidak mampu mengerjakan (atau mengumpulkan) tugas tepat pada waktunya, sebaiknya batas waktu pengumpulan di-reset atau disetel ulang.

• Notes, menyimpan data catatan atau coretan kita ketika menonton video tertentu pada waktu tertentu. Hal ini dapat dilakukan ketika kita menemukan materi dalam video dan kita ingin menandainya dengan catatan yang kita anggap penting.
• Discussion Forums, merupakan wadah diskusi atau tanya jawab terkait kegiatan perkuliahan. Misalnya, bertanya materi tertentu yang butuh penjelasan lebih lanjut, menanyakan soal dalam kuis/tugas yang masih belum dimengerti, gagal dalam unggah tugas, dan lain-lain. Bagusnya membaca dulu diskusi-diskusi sebelumnya sebelum melontarkan pertanyaan baru. Biasanya permasalahan yang dihadapi siswa sudah pernah terjadi dan sudah ada jawabannya di situ. Contoh diskusi.
• Messages, merupakan arsip pesan masuk dari Coursera ke siswa.
• Resources, menampung informasi beraneka ragam, seperti: tips dan trik pengerjaan tugas, catatan tambahan materi pekanan, revisi materi, tutorial pemrograman, dll.
• Course Info, berisi informasi dasar terkait kursus yang diberikan, pertanyaan dan jawaban (FAQs) terkait kuliah dan pengerjaan (atau pengumpulan) tugas.

6. Metode Pembelajaran

Dalam setiap pekannya, siswa akan mendapat materi video, bacaan (fail presentasi), kuis, dan/atau tugas pemrograman sesuai dengan materi tertentu yang diajarkan. Jika video sudah ditonton, fail presentasi sudah diunduh (dan dibaca); maka, status perkembangan belajar menjadi "Done." Dan untuk kuis dan/atau tugas pemrograman yang mendapat nilai minimal 80% akan mendapat tanda centang hijau yang berarti lulus dan dapat melanjutkan ke materi (pekan) berikutnya.

• Video belajar.

  Selain menonton video, siswa dapat menyetel ukuran kualitas video, kecepatan pemutaran, subtitle, melihat transkrip, unduh video (dan subtitle), maupun membuat catatan. Catatan: tidak setiap materi tersedia subtitle bahasa Indonesia; munculnya subtitle sering kali memotong (makan tempat) video tutorial bagian bawah, sehingga tulisan/coretan presenter jadi tertutupi.

• Kuis kecil.

  Di setiap video selalu ada kuis kecil di tengah-tengah atau menjelang akhir tutorial. Yaitu berupa pilihan ganda yang muncul 1 atau 2 kali, tergantung materi. Tidak berpengaruh ke nilai akhir, dan dapat diperbaiki terus menerus jika jawaban salah; atau bahkan dilewati (skip). Baiknya dijawab saja sampai betul dan dimengerti jawabannya.

• Kuis pekanan.

  Setiap pekan selalu disertai 1 atau 2 kali kuis, tergantung banyaknya materi yang diajarkan. Tipe kuis berupa (a) pilihan ganda (pilih satu jawaban benar/salah); (b) multiple checkbox (banyak pilihan); (c) isian sederhana berupa (textbox) yang hanya bisa diisi angka, misalnya jumlah item, jumlah hidden layer, dan sejenisnya. Kuis dapat dilakukan ulang jika belum memenuhi syarat lulus atau sekadar ingin memperbaiki nilai. Dan jangan lupa baca feedback-nya dulu sebelum mengulang kuis.

• Tugas pemrograman.

  Tugas yang diberikan adalah berupa kode sumber (dan data set untuk materi tertentu) dalam format file .m yang dapat dieksekusi dalam aplikasi Octave atau Matlab . Octave adalah aplikasi yang menyerupai Matlab tapi versi gratis. Unduh dulu failnya di tautan yang diberikan. Soal ditulis di fail .pdf, dalam hal ini contohnya adalah: ex6.pdf. Berikut ini contoh potongan isi file .pdf tersebut. Fail yang bertanda [*] itulah yang harus dimodifikasi kode sumber di dalamnya, dilengkapi sesuai petunjuk soal, dan dikumpulkan. Jika merasa sudah lengkap, jalankan perintah submit (yakni mengeksekusi fail submit.m), nanti otomatis akan ditanya email dan tokennya. Token dapat dibuat di halaman instruksi tugas pemrograman sebelumnya. Kalau sudah melakukan submission, coba cek di halaman tugas pemrograman pada menu tab My submissions, apakah unggahannya sudah lengkap atau belum. Begitu juga skor perolehan dan status lulus atau tidaknya.

Status tugas pemrograman lengkapnya dapat dilihat pada gambar berikut.

Demikian metode pembelajaran yang ditemui di kuliah Machine Learning, Coursera.

---

Di seri 2 nanti akan saya tuliskan tips dan trik menyelesaikan kuliah dan mengerjakan tugas dengan sukses, serta bagaimana cara mendapatkan bantuan keuangan (financial aid) untuk mendapatkan sertifikat kelulusan secara gratis.

Terima kasih.