Section Dasar Machine Learning berisi materi 7 chapter. Pelajari terminologi inti, cara model belajar dari data, alur kerja scikit-learn, dan fenomena overfitting.

# Terminologi Inti Machine Learning

Kuasai istilah fitur, label, sampel, model, parameter, dan hyperparameter yang dipakai sepanjang Course.

Buka → # Cara Machine Learning Belajar dari Data

Pahami fungsi loss dan proses minimisasi yang mengubah data mentah menjadi parameter model.

Buka → # Paradigma Supervised dan Unsupervised

Bedakan data berlabel dan tanpa label beserta konsekuensi pemilihan algoritmenya.

Buka → # Model Pertama dengan scikit-learn

Bangun dan evaluasi model klasifikasi pertama menggunakan dataset iris dan KNeighborsClassifier.

Buka → # Alur Kerja scikit-learn: fit dan predict

Pahami kontrak estimator fit, predict, dan transform yang konsisten di seluruh scikit-learn.

Buka → # Overfitting dan Underfitting

Kenali gejala model yang terlalu menghafal atau terlalu sederhana beserta cara mendeteksinya.

Buka → # Reproduksibilitas dengan random_state

Kendalikan sumber acak dalam eksperimen agar hasil dapat direproduksi dan dibandingkan.

Buka →