Roadmap Belajar Machine Learning dari Nol
Mulailah dari masalah kecil dengan data yang jelas. Roadmap ini memakai satu proyek prediksi sebagai benang merah sehingga setiap tahap menghasilkan keterampilan dan hasil kerja yang dapat diperiksa.
Dasar Python dan data
Latih membaca CSV, memilih kolom, membuat fungsi, dan menangani kesalahan. Gunakan tabel transaksi latihan dan jelaskan arti satu baris sebelum menghitung apa pun. Lanjutkan ke rata-rata, median, variasi, dan distribusi. Kamu siap melangkah ketika dapat membedakan data pelanggan dari data transaksi dan menjelaskan mengapa join tertentu dapat menggandakan jumlah baris.
Definisikan prediksi
Tentukan target, kapan prediksi dibuat, serta informasi yang sudah tersedia saat itu. Untuk prediksi permintaan produk, buat baseline dari periode sebelumnya dan simpan periode terbaru sebagai data uji. Jangan masukkan kolom yang baru diketahui setelah kejadian. Menambah algoritma tidak akan memperbaiki evaluasi yang sejak awal memakai informasi masa depan.
Selesaikan satu eksperimen
Mulai dengan model sederhana dan metrik yang sesuai. Bandingkan hasilnya dengan baseline pada data yang sama. Catat preprocessing, fitur, dan parameter. Tinjau contoh prediksi yang meleset: apakah produk baru, stok kosong, atau pola musiman? Buat satu hipotesis sebelum mengubah konfigurasi sehingga penyebab perbaikan dapat dipahami.
Jadikan portofolio
Sertakan README, kamus data, alasan pemisahan data, tabel hasil, dan batasan. Bedakan hasil eksperimen dari dampak bisnis yang belum diuji. Akhiri dengan rencana penggunaan: siapa yang membaca prediksi, kapan diperbarui, dan kondisi apa yang memerlukan pemeriksaan manual. Proyek kecil yang lengkap lebih mudah dinilai daripada banyak notebook tanpa penjelasan.
Tugas Praktik
Buat satu baseline dan satu model pada dataset latihan berizin. Serahkan notebook, perbandingan hasil, lima contoh kesalahan, dan alasan memilih metrik.
Periksa Hasilmu
- Target dan waktu prediksi jelas
- Preprocessing hanya belajar dari train
- Ada baseline
- Batasan dijelaskan