Halloween Costume ideas 2015

WONG SABAR MBOTEN WONTEN BATASANE

April 2015
Twitter Facebook

Theory of Computation

Mata kuliah yang membahas tentang dasar-dasar teori komputasi, khususnya tentang automata, computability dan complexity. Mata kuliah ini adalah mata kuliah dasar yang wajib diambil bagi mahasiswa computing, dimana pengetahuan yang didapat dari mata kuliah ini akan dapat mempermudah pemahaman bagi mata kuliah lain yang berhubungan, misalnya bahasa formal dan otomata, teknik kompilasi, pemrograman, pemrosesan teks, dan machine learning. Fokus utama mata kuliah ini adalah mahasiswa dapat memahami apa yang bisa diselesaikan oleh komputer (computability theory) dan seberapa cepat komputer mampu menyelesaikan suatu masalah (complexity theory). Matematika dasar, seperti himpunan, fungsi, graf, string dan logika juga diajarkan pada mata kuliah ini.
Slide:
  1. Introduction
  2. Math Fundamentals 1: Sets, Sequence, Function
  3. Math Fundamentals 2: Graph, String, Logic
  4. Regular Languages
  5. Context-Free Languages
  6. The Church–Turing Thesis
  7. Decidability
  8. Reducibility
  9. Time Complexity
  10. Space Complexity
  11. Intractability
Software Requirements:
  1. Java SE Development Kit 8
  2. Netbeans IDE 8
Textbooks:
  1. Michael Sipser, Introduction to the Theory of Computation Third Edition, Cengage Learning, 2012
  2. George Tourlakis, Theory of Computation, Wiley, 2012
  3. John Martin, Introduction to Languages and the Theory of Computation, McGraw-Hill , 2010
  4. Robert Sedgewick and Kevin Wayne, Introduction to Computer Science, Addison-Wesley, 2015
  5. Albert Endres dan Dieter Rombach, A Handbook of Software and Systems Engineering, Pearson Education Limited, 2003
Twitter Facebook

Data Mining

http://romisatriawahono.net/dm/

Mata kuliah yang membahas tentang data mining. Fokus bahasan adalah tentang pengenalan data mining, proses data mining, evaluasi dan validasi pada data mining, metode dan algoritma, serta jenis penelitian data mining. Mahasiswa yang telah mengikuti mata kuliah ini diharapkan dapat memahami materi dan melakukan penelitian pada tema data mining dan machine learning dengan baik dan berkualitas.
Standard Competency:
  1. Mahasiswa memahami konsep, algoritma, dan tool data mining
  2. Mahasiswa memahami seluruh proses data mining
  3. Mahasiswa mampu melakukan eksperimen berdasarkan proses data mining dan menggunakan tool data mining
  4. Mahasiswa memahami arah terbaru penelitian data mining
  5. Mahasiswa mampu melakukan penelitian pada topik data mining
Slide:
  1. Pengenalan Data Mining
  2. Proses Data Mining
  3. Evaluasi dan Validasi Data Mining
  4. Metode dan Algoritma Data Mining
  5. Penelitian Data Mining
Software Requirements:
  1. RapidMiner ver 5.3 atau 6.0
Textbooks:
  1. Ian H. Witten, Frank Eibe, Mark A. Hall, Data mining: Practical Machine Learning Tools and Techniques 3rd Edition, Elsevier, 2011
  2. Daniel T. Larose, Discovering Knowledge in Data: an Introduction to Data Mining, John Wiley & Sons, 2005
  3. Florin Gorunescu, Data Mining: Concepts, Models and Techniques, Springer, 2011
  4. Jiawei Han and Micheline Kamber, Data Mining: Concepts and Techniques 3nd Edition, Elsevier, 2012
  5. Oded Maimon and Lior Rokach, Data Mining and Knowledge Discovery Handbook Second Edition, Springer, 2010
Twitter Facebook

Research Methodology

 http://romisatriawahono.net/rm/

Mata kuliah yang membahas tentang metodologi penelitian, khususnya untuk bidang computing. Fokus bahasan adalah tentang pengantar penelitian, identifikasi masalah, penentuan topik penelitian, landasan teori, kerangka konsep, hipotesis, dan metodologi penelitian. Mahasiswa yang telah mengikuti mata kuliah ini diharapkan dapat melakukan penelitian tesis dengan baik dan berkualitas.

Standard Competency:
  1. Mahasiswa memahami konsep, jenis dan metode penelitian
  2. Mahasiswa memahami dan mampu melakukan seluruh proses pada metode penelitian
  3. Mahasiswa mampu melakukan analisis terhadap data hasil penelitian
  4. Mahasiswa mampu melakukan penulisan paper hasil penelitian
  5. Mahasiswa mampu melakukan presentasi hasil penelitian yang telah dilakukan
Slide:
  1. Pengantar Penelitian
  2. Tahapan Penelitian
  3. Masalah Penelitian
  4. Literature Review
  5. Struktur Penulisan Tesis
  6. Kesalahan Penulisan Tesis
  7. Metode Eksperimen
  8. Pengujian Tesis
  9. Publikasi Penelitian
Software Requirements:
  1. Reference Management Apps: Mendeley
  2. Word Processor Apps: Latex/OpenOffice/MSOffice
  3. Mindmap: XMind
Textbooks:
  1. Christian W. Dawson, Project in Computing and Information System a Student Guide 2nd Edition, Addison-Wesley, 2009 (pdf)
  2. Mikael Berndtsson, Jörgen Hansson, Björn Olsson, Björn Lundell, Thesis Projects – A Guide for Students in Computer Science and Information System 2nd Edition, Springer-Verlag London Limited, 2008 (pdf)

MKRdezign

Contact Form

Name

Email *

Message *

Powered by Blogger.
Javascript DisablePlease Enable Javascript To See All Widget