Kuliah ini membahas dasar-dasar pemelajaran mesin (machine learning), yaitu teknik pengembangan perangkat lunak yang dapat menghasilkan model untuk menjelaskan suatu fenomena kompleks dengan cara mengamati sejumlah data. Metode-metode yang diajarkan berbasis pendekatan matematis pada supervised learning, unsupervised learning, dan reinforcement learning. Antara lain perceptron, support vector machines, hidden Markov models, expectation maximization, Deep learning, dan lain-lain

Setelah lulus mata kuliah ini, diharapkan mahasiswa mampu: (1) Memahami dasar-dasar dari pemelajaran mesin, (2) Mengetahui beberapa variasi teknik pemelajaran mesin, (3) Mengaplikasikan teknik-teknik tersebut pada permasalahan pengenalan pola

[1] Christoper M. Bishop, Pattern Recognition & Machine Learning, New Yourk, Springer. 2006

[2] Duda, Richard, Peter Hart, and David Stork. Pattern Classification. 2nd Ed. New York, NY: Wiley-Interscience, 2000