CodingPythonMenengah

Machine Learning Dasar dengan Python

Regresi, klasifikasi, validasi, dan clustering dengan scikit-learn — dijalankan langsung di browser.

Pelajaran pertama bisa dicoba tanpa akun. Selanjutnya pakai akun gratis agar progres, draft kode, dan sertifikatmu tersimpan.

Enam belas pelajaran membangun model machine learning dengan scikit-learn: membedakan pembelajaran terawasi dan tak terawasi, menyiapkan fitur dan label, membagi data latih-uji, regresi linear dengan MAE, MSE, dan R², klasifikasi k-NN, regresi logistik, dan pohon keputusan dengan akurasi, presisi, recall, F1, dan confusion matrix, lalu overfitting, validasi silang, penskalaan fitur dengan Pipeline, dan clustering k-means. Semua kode dijalankan di Python sungguhan (Pyodide) dan diperiksa dengan test assert; setiap latihan memakai random_state tetap sehingga hasilnya sama setiap kali.

5,0 ★ (Belum ada ulasan) · 16 pelajaran · 4 modul · ±220 menit

Bawa pulang keterampilannya

Yang akan kamu bisa setelah kelas ini

Membedakan pembelajaran terawasi dan tak terawasi, regresi dan klasifikasi, lalu menyiapkan fitur, label, dan pembagian latih-uji yang bisa diulang.
Melatih regresi linear dan menilainya dengan MAE, MSE, RMSE, dan R².
Melatih klasifikasi k-NN, regresi logistik, dan pohon keputusan, lalu membaca akurasi, presisi, recall, F1, dan confusion matrix.
Mengenali overfitting, membandingkan model dengan validasi silang, menskalakan fitur di dalam Pipeline, dan mengelompokkan data dengan k-means.

Untuk siapa

Orang yang sudah bisa mengolah tabel dengan pandas dan ingin membuat model prediksi pertama dari data kerja: harga, penjualan, pelanggan berhenti, atau barang cacat.

Prasyarat

Python dari Nol, Analisis Data dengan Python (DataFrame, memilih kolom, rata-rata)

Alat yang perlu disiapkan

Browser modern di komputer. Python, numpy, pandas, dan scikit-learn dimuat sekali (±40 MB) lalu tersimpan di cache.

Tempat berlatih

Coba, periksa, lalu lanjutkan.

52 latihan di 16 pelajaran. Jawaban diperiksa langsung di halaman materi; petunjuk dibuka bertahap.

pilihan jawabaneditor Pythonjawaban angka

Jalur belajar kelas ini

Kurikulum

4 modul · 16 pelajaran · ±220 menit

01Dasar machine learning dan menyiapkan data4 pelajaran
Terawasi atau tak terawasi, regresi atau klasifikasi13 mnt Fitur, label, dan bentuk data, butuh akun13 mnt Membagi data latih dan data uji, butuh akun13 mnt Misi: menyiapkan data pelanggan yang berhenti, butuh akun16 mnt
02Regresi: menebak angka3 pelajaran
Regresi linear: garis terbaik dan prediksi, butuh akun13 mnt Menilai regresi: MAE, MSE, RMSE, dan R², butuh akun13 mnt Misi: meramal penjualan es teh, butuh akun16 mnt
03Klasifikasi: menebak kelompok4 pelajaran
k-tetangga terdekat (k-NN), butuh akun13 mnt Regresi logistik dan pohon keputusan, butuh akun13 mnt Confusion matrix, presisi, recall, dan F1, butuh akun13 mnt Misi: menandai transaksi mencurigakan, butuh akun16 mnt
04Model yang andal dan data tanpa label5 pelajaran
Overfitting dan underfitting, butuh akun13 mnt Validasi silang, butuh akun13 mnt Penskalaan fitur dan Pipeline, butuh akun13 mnt Clustering dengan k-means, butuh akun13 mnt Misi: model klasifikasi dari awal sampai akhir, butuh akun16 mnt

Urutan pelajaran tidak dikunci.

Sertifikat kelas

Nama lengkapmu dan judul kelas tercetak di sertifikat.
Kode dan QR yang bisa dicek siapa saja di kelasgratis.com/verifikasi.
Sekali klik ke profil LinkedIn, atau unduh PNG dan PDF.

Mulai belajar

Bukti penyelesaian materi, bukan akreditasi atau sertifikasi kompetensi.

Pertanyaan yang sering muncul

Apakah perlu memasang Python, Jupyter, atau scikit-learn?

Tidak. Python, numpy, pandas, dan scikit-learn berjalan di browser lewat Pyodide, di-host sendiri oleh situs ini. Unduhan pertama sekitar 40 MB lalu tersimpan di cache browser.

Kenapa hasil latihannya selalu sama, padahal pembagian data dan k-means itu acak?

Setiap latihan menetapkan random_state, sehingga pengacakan pembagian latih-uji, pohon keputusan, dan k-means menghasilkan urutan yang sama setiap kali dijalankan. Itu juga yang membuat test assert bisa memeriksa angka persisnya.

Data apa yang dipakai?

Tabel kecil karangan yang ditulis langsung di kode (sewa rumah, es teh, pelanggan, kaos) dan tiga dataset mainan bawaan scikit-learn: iris, wine, dan breast cancer. Ketiganya ikut di dalam paket scikit-learn, jadi tidak ada unduhan data tambahan.

Dari pengalaman belajar

Ulasan peserta

Apa yang membantu, dan apa yang masih bisa diperbaiki?

5,0Belum ada ulasan terbit

Ulasan berasal dari akun yang telah menyelesaikan setidaknya satu pelajaran. Bintang 1–3 ditinjau admin sebelum terbit; bintang 4–5 langsung terbit. Sebelum ada ulasan terbit, kelas menggunakan nilai awal admin 5,0. Setelahnya, rating mengikuti rata-rata ulasan yang sudah terbit.

Pengalamanmu bisa membantu peserta berikutnya.

Belum ada ulasan yang terbit untuk kelas ini.

Bagikan pengalaman belajarmu

Masuk dan selesaikan satu pelajaran untuk menulis ulasan. Masuk ke akun →

Setelah kelas ini

Jalur yang memuat kelas ini

Ilmu Data dengan Python10 kelas

Lanjutkan ke kelas lain

Revisi materi terakhir: 27 Sep 2026. Laporan kesalahan bisa dikirim dari setiap halaman pelajaran.