23 posts tagged with "data science"

Baca Bagian Ini Dulu​

Ada kesenjangan besar antara dua hal yang terlihat mirip:

Notebook yang berhasil. Skornya bagus, grafiknya rapi, kesimpulannya jelas. Setelah presentasi selesai, file-nya tersimpan di folder Downloads dan tidak pernah dibuka lagi.

Sistem yang jalan. Ada aplikasi lain yang memanggilnya ribuan kali sehari, hasilnya dipakai untuk keputusan nyata, dan kalau rusak ada orang yang menerima notifikasi.

Menurut berbagai laporan industri, sebagian besar model machine learning tidak pernah sampai ke tahap kedua. Bukan karena modelnya jelek, melainkan karena tidak ada yang tahu cara membawanya ke sana.

Artikel ini membahas jalan dari notebook ke sistem yang jalan, langkah demi langkah.

Baca Bagian Ini Dulu Sebelum Mulai​

Sebelum masuk ke isi artikel, ada satu hal yang perlu diluruskan lebih dulu, agar tidak buang-buang waktu belajar.

Deep Learning Bukan Langkah Berikutnya yang Otomatis​

Banyak pemula menganggap urutan belajar machine learning itu seperti naik tingkat: mulai dari regresi linear, lalu Random Forest, lalu deep learning sebagai puncaknya.

Itu keliru. Deep learning bukan versi lebih baik dari model biasa, melainkan alat yang berbeda untuk jenis masalah yang berbeda.

Bayangkan Anda harus membangun sistem pendeteksi penipuan kartu kredit. Dari satu juta transaksi, hanya sekitar 100 yang merupakan penipuan. Itu 0,01 persen.

Kalau Anda memakai klasifikasi biasa, model akan menjawab "bukan penipuan" untuk semuanya dan mencatat akurasi 99,99 persen. Sempurna di atas kertas, tidak berguna sama sekali.

Deteksi anomali adalah pendekatan yang dirancang khusus untuk situasi seperti ini: ketika hal yang ingin ditemukan sangat langka, atau bahkan belum pernah terlihat sama sekali.

Artikel ini membahas tiga metode utama beserta hal yang sering lebih menentukan daripada pemilihan metode: cara menentukan ambang dan cara mengevaluasi tanpa label.

Setiap kali Netflix menyarankan film, Spotify menyusun playlist, atau Tokopedia menampilkan "produk yang mungkin Anda suka", ada sistem rekomendasi yang bekerja di baliknya.

Masalahnya terlihat sederhana: tebak apa yang akan disukai seseorang. Tapi aturan mainnya cukup berbeda dari klasifikasi dan regresi biasa, dan sebagian besar teknik yang sudah Anda kuasai tidak langsung berlaku.

Artikel ini membahas dua pendekatan utama, yaitu collaborative filtering dan matrix factorization, dari ide dasarnya sampai implementasi yang bisa dijalankan.

Sampai sekitar tahun 2012, mengajari komputer mengenali kucing dalam foto adalah masalah yang sangat sulit. Sekarang bisa diselesaikan dalam beberapa puluh baris kode.

Yang mengubah segalanya adalah dua ide: CNN, arsitektur yang dirancang khusus untuk gambar, dan transfer learning, cara memakai model yang sudah dilatih orang lain.

Artikel ini membahas keduanya beserta augmentasi gambar, teknik yang membuat model tetap bisa dilatih meski data Anda sedikit. Semuanya dijelaskan dari nol, tanpa asumsi Anda pernah menyentuh deep learning.

Model machine learning hanya bisa menghitung angka. Sementara teks berupa rangkaian huruf yang maknanya bergantung pada urutan, konteks, dan bahkan hal yang tidak tertulis.

Seluruh bidang Natural Language Processing pada dasarnya menjawab satu pertanyaan: bagaimana mengubah teks menjadi angka tanpa kehilangan maknanya?

Artikel ini mengikuti perjalanan jawaban atas pertanyaan itu, dari cara paling sederhana yang masih sangat berguna sampai teknologi di balik ChatGPT. Semua contoh memakai bahasa Indonesia, karena penanganan bahasa Indonesia punya tantangan tersendiri.

Anda sudah terbiasa dengan data tabel: tiap baris berdiri sendiri, urutannya tidak penting, dan pembagian data dilakukan secara acak.

Begitu masuk ke data deret waktu, hampir semua kebiasaan itu justru menjadi kesalahan.

Data penjualan harian, harga saham, jumlah pengunjung, dan suhu udara semuanya punya satu sifat khusus: urutannya bermakna. Nilai hari ini berkaitan dengan nilai kemarin. Mengabaikan hubungan itu menghasilkan model yang tampak sempurna di layar dan gagal total di dunia nyata.

Artikel ini membahas aturan main yang berbeda itu, dari pemeriksaan awal sampai tiga pendekatan pemodelan yang paling sering dipakai.

Banyak orang berhenti belajar machine learning saat bertemu rumus matematika. Padahal matematika yang benar-benar dibutuhkan untuk memahami cara kerja model jauh lebih sedikit daripada yang dibayangkan.

Artikel ini punya satu tujuan yang jelas: membawa Anda dari nol sampai benar-benar memahami gradient descent, algoritma yang menjadi mesin di balik hampir semua model machine learning modern.

Tidak ada bukti matematis, tidak ada notasi yang tidak dijelaskan. Setiap konsep disertai contoh kode yang bisa dijalankan dan analogi yang bisa dibayangkan.

Dalam tutorial, data selalu datang sebagai berkas CSV yang rapi. Di dunia kerja, hampir tidak pernah begitu.

Data yang Anda butuhkan biasanya tersebar di beberapa tabel dalam sebuah database. Kolom yang Anda inginkan ada di tabel A, targetnya di tabel B, dan riwayat transaksinya di tabel C. Tidak ada yang akan menyiapkan CSV untuk Anda.

SQL adalah bahasa untuk mengambil dan menggabungkan data itu. Artikel ini membahas bagian-bagian SQL yang benar-benar dipakai praktisi machine learning, dengan penekanan pada satu hal yang sering terlewat: cara membangun dataset tanpa membocorkan informasi masa depan.

Ada kebiasaan yang membedakan praktisi berpengalaman dari pemula: sebelum menulis satu baris kode model, mereka menghabiskan waktu melihat datanya dulu.

Kebiasaan ini terasa membuang waktu di awal, tapi hampir selalu menghemat waktu di akhir. Masalah yang ditemukan dalam lima menit lewat sebuah grafik bisa saja butuh dua hari untuk diselidiki kalau baru ketahuan setelah model dilatih.

Artikel ini membahas cara memeriksa data secara sistematis, grafik apa yang dipakai untuk situasi apa, dan bagaimana temuan dari pemeriksaan itu diterjemahkan menjadi keputusan pemodelan.