Lewati ke isi

Dasar-dasar

Topik fondasi yang dipakai di semua bab. Setiap topik diajarkan sekali di sini, lalu bab-bab merujuknya.

Mulai dari sini: mengapa ada bab dasar?

Semua bab (klasifikasi, regresi, forecasting, klaster, asosiasi) memakai alat dan konsep yang sama. Bab ini mengajarkannya sekali saja agar bab lain bisa fokus pada metodenya.

Analogi

Sebelum memasak berbagai hidangan, Anda belajar memegang pisau, mengatur api, dan mengenali bahan. Bab ini adalah latihan dasarnya.

Tiga kelompok isi

  1. Alat: lingkungan Python, NumPy, pandas, visualisasi.
  2. Memahami dan menyiapkan data: statistik, EDA, praproses, feature engineering.
  3. Menilai model dengan jujur: pembagian data, overfitting dan kebocoran, metrik, pipeline scikit-learn.

Setiap pelajaran dibuka dengan Gambaran singkat yang menjelaskan topiknya dengan bahasa sehari-hari.

Prasyarat

Pemahaman dasar pemrograman dan matematika tingkat SMA. Python dijelaskan dari awal.

Daftar pelajaran

# Pelajaran Isi utama Dipakai oleh
1 Lingkungan Python venv, instalasi, skrip vs notebook, reproduksibilitas Semua bab
2 NumPy array, axis, broadcasting, jarak Euclidean Semua bab
3 pandas DataFrame, seleksi, groupby, data hilang Semua bab
4 Visualisasi Data histogram, boxplot, scatter, heatmap EDA, semua bab
5 Statistik median, IQR, korelasi, probabilitas bersyarat EDA, Estimasi, Forecasting
6 EDA daftar periksa EDA, keputusan praproses Semua bab
7 Pembersihan dan Praproses imputasi, outlier, encoding, scaling Semua bab
8 Feature Engineering fitur turunan, log, binning, polinomial Klasifikasi, Estimasi, Forecasting
9 Data Latih, Validasi, Uji split, stratified, validasi silang Semua bab
10 Metrik Evaluasi precision, recall, F1, MAE, RMSE, R² Klasifikasi, Estimasi
11 Workflow scikit-learn dan Pipeline Pipeline, ColumnTransformer Semua bab
12 Overfitting, Underfitting, Kebocoran Data diagnosis dan pencegahan Semua bab

Data dan reproduksibilitas

Contoh kode ada di folder examples/fundamentals/. Banyak lesson memakai data pelanggan sintetis (customer_data.py) dan beberapa dataset bawaan scikit-learn. Setiap contoh memakai seed tetap; keluaran yang ditampilkan berasal dari program yang benar-benar dijalankan (Python 3.14, scikit-learn 1.9).