Nusantara AI Institute
KurikulumDewan PenasihatNusantara Startup LabCampus Ambassador
Nusantara AI Institute Logo
Nusantara AI InstituteNAII

Nusantara AI Institute membangun talenta, riset, dan ekosistem kecerdasan artifisial untuk masa depan Indonesia.

Navigasi

  • Beranda
  • Kursus
  • Program
  • Advisory Board

Legal

  • Kebijakan Privasi
  • Syarat dan Ketentuan

Ikuti Kami

© 2026 Nusantara AI Institute (NAII). Seluruh hak cipta dilindungi.

Kebijakan Privasi•Syarat dan Ketentuan
Algoritma Geometri: Aljabar Linear, Geometri, dan Komputasi
Kategori: Teknis AI
Algoritma Geometri: Aljabar Linear, Geometri, dan Komputasi

Tentang Kursus

Kursus Algoritma Geometri: Aljabar Linear, Geometri, dan Komputasi menawarkan pendekatan komprehensif untuk menguasai aljabar linear melalui perspektif aljabar, geometri, dan komputasi yang saling terintegrasi. Kurikulum ini dirancang untuk membangun pemahaman mendalam mulai dari sistem persamaan linear hingga aplikasi modern dalam machine learning dan grafika komputer melalui 29 sesi pembelajaran terstruktur dalam 6 modul progresif. Anda akan mengeksplorasi struktur ruang vektor, transformasi linear, hingga teknik tingkat lanjut seperti Singular Value Decomposition (SVD) untuk kompresi citra dan sistem rekomendasi. Dengan bantuan Python dan Jupyter Notebook, setiap teori matematis langsung diimplementasikan ke dalam kode efisien guna mengasah intuisi geometris sekaligus kemampuan teknis dalam numerical computing. Kursus ini memastikan peserta tidak hanya memahami manipulasi simbol aljabar, namun juga mampu menerapkan algoritma tersebut secara nyata dalam konteks teknologi modern yang kompleks.

Apa yang akan kamu pelajari?

  • Dasar Sistem Linear: Eliminasi Gaussian, persamaan vektor, dan independensi linear.
  • Transformasi & Matriks: Aljabar matriks, invers, dan transformasi melalui perspektif geometris.
  • Faktorisasi & Subruang: Dekomposisi LU, QR, serta analisis dimensi dan rank matriks.
  • Aplikasi Struktur Matriks: Implementasi nyata dalam rantai Markov dan dasar grafika komputer.
  • Analisis Eigen: Pemahaman vektor eigen, nilai eigen, dan teknik diagonalisasi.
  • Algoritma Komputasi: Penerapan praktis pada PageRank dan solusi persamaan diferensial.
  • Ortogonalitas: Proyeksi ortogonal, proses Gram-Schmidt, dan masalah kuadrat terkecil.
  • SVD & Reduksi Data: Teknik SVD untuk kompresi gambar, PCA, dan sistem rekomendasi.

Course Content

1.1 Persamaan Linear
1.2 Representasi Bilangan
1.3 Eliminasi Gauss
1.4 Persamaan Vektor
1.5 Persamaan Matriks dan Perkalian Matriks-Vektor
Module 1 Quiz
2.1 Kebebasan Linear
2.2 Transformasi Linear
2.3 Matriks Transformasi Linear
2.4 Aljabar Matriks
2.5 Invers Matriks
Module 2 Quiz
3.1 Rantai Markov
3.2 Faktorisasi Matriks
3.3 Grafika Komputer (Computer Graphics)
3.4 Subruang (Subspace)
3.5 Dimensi dan Rank
Module 3 Quiz
4.1 Vektor Eigen dan Nilai Eigen
4.2 Persamaan Karakteristik
4.3 Diagonalisasi
4.4 PageRank
Module 4 Quiz
5.1 Geometri Analitik dalam Ruang Berdimensi Tinggi
5.2 Himpunan Ortogonal dan Proyeksi Ortogonal
5.3 Metode Kuadrat Terkecil
5.4 Model Linear
5.5 Matriks Simetris dan Optimisasi Terkendala
Module 5 Quiz
6.1 The Singular Value Decomposition
6.2 Aplikasi SVD – Bagian 1
6.3 Aplikasi SVD – Bagian 2
6.4 Aplikasi SVD – Bagian 3
6.5 Teknik Komputasi untuk SVD
Module 6 Quiz
Module 7 Quiz
Gratis
Gratis akses kursus ini
Tingkat Lanjut
Disusun oleh
NA
NAII Administrator
Materi
  • Video
  • Contoh praktis
  • Kuis
Target Audiens
  • Profesional dan praktisi di bidang data science dan ilmu komputer.
  • Mahasiswa IT/Teknik yang membutuhkan fondasi komputasi kuat.
  • Peminat matematika untuk ML, Grafika, dan Scientific Computing.
  • Individu yang ingin mengasah kemampuan computational problem-solving.