Modul ini membahas data sebagai bahan baku machine learning. Topiknya meliputi kualitas data, pemisahan data latih, validasi, dan uji, kebocoran data, serta ketidakseimbangan kelas. Materi modul ini menjadi dasar disiplin evaluasi pada modul berikutnya.
Data untuk Machine Learning
Modul data: kualitas, pemisahan train/validation/test, kebocoran data, dan ketidakseimbangan kelas.
0/0 selesai
- Kualitas Data
Dampak kualitas data terhadap model dengan contoh nyata: nilai hilang, duplikat, dan label yang salah.
- Pemisahan Train, Validation, dan Test
Alasan membutuhkan tiga himpunan data serta disiplin memisahkan data latih, validasi, dan uji.
- Kebocoran Data
Kebocoran data sebagai bug machine learning paling umum: penyebab, cara mendeteksi, dan pencegahannya.
- Ketidakseimbangan Kelas
Kenyataan data yang tak seimbang dan alasan akurasi menjadi metrik yang menipu.