Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Transkrip
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Tampilkan transkrip
Pembuka
Inilah hasil akhirnya, kita mengolah data karyawan dengan pandas, menghitung rata-rata gaji per divisi, lalu menampilkannya sebagai empat grafik sekaligus dengan Matplotlib. Tiga library ini, Nampai, Pandas, dan Matplotlib adalah alat wajib sebelum masuk ke machine learning. Ayo kita mulai. Halo, selamat datang kembali di seri Machine Learning dengan Python, episode kedua. Sebelum melatih model, kita harus lancar mengolah data. Di episode ini kita memasang library yang dibutuhkan, belajar Nampai untuk komputasi angka yang cepat, Pandas untuk mengolah data tabel seperti Excel, dan Matplotlib untuk membuat grafik. Semua contoh langsung kita ketik dan jalankan di VS Code.
Langkah 1: Memasang library
Langkah pertama, buka terminal lewat menu terminal, new terminal, lalu pasang semua library dengan satu perintah, PIP install Nampai Pandas Matplotlib scikit-learn. Karena di komputer ini sudah terpasang, PIP hanya memberi tahu bahwa syaratnya sudah terpenuhi. Kita cek versinya dengan perintah python-c, lalu buat file Nampai underscore dasar dot py. Nampai menyediakan arei, yaitu kumpulan angka yang jauh lebih cepat daripada list Python.
Langkah 2: Array dan operasi vektor NumPy
Kita buat arei satu dimensi dan dua dimensi. Atribut shape memberi tahu ukurannya, misalnya dua baris tiga kolom. Yang istimewa, operasi pada arei berlaku ke setiap elemen tanpa perlu luk. X tambah Y menjumlahkan elemen yang bersesuaian, X kali 10 mengalihkan semuanya, dan dot menghitung perkalian titik, operasi yang nanti dipakai di setiap model linear.
Langkah 3: Indexing dan statistik NumPy
Berikutnya indexing dan statistik. Kita buat matriks nilai tiga siswa untuk tiga mata pelajaran. Dengan beolehan mask, nilai lebih dari 80 bisa diambil hanya dengan satu baris. Fungsi min bisa dihitung per kolom dengan aksi sama dengan nol, atau per baris dengan aksi sama dengan satu. Argmas memberi indeks siswa dengan rata-rata tertinggi. Kita juga membuat angka acak dengan SID, supaya hasilnya selalu sama setiap kali dijalankan.
: Langkah 4: DataFrame pandas dan file CSV
Sekarang pandas. Buat file pandas underscore dasar dot py. Kita buat data frame berisi data enam karyawan. Nama, kota, umur, gaji, dan divisi. Ada satu umur yang kosong, sengaja, seperti data di dunia nyata. Kita simpan ke file CSV lalu membacanya lagi dengan read CSV, format yang paling sering dipakai di machine learning. Lalu kita lihat lima baris pertama, statistik ringkas dengan describe, dan jumlah data kosong.
Langkah 5: Filter, kolom baru, dan groupby
Pandas sangat kuat untuk memfilter dan merangkum data. Kita ambil karyawan dengan gaji di atas 8 juta, lalu karyawan divisi IT yang tinggal di Jakarta dengan dua syarat sekaligus. Umur yang kosong kita isi dengan median, dan kita tambahkan kolom baru gaji tahunan. Terakhir group by, mirip pivot table di Excel, untuk menghitung rata-rata gaji per divisi.
Ha Langkah 6: Empat grafik dengan matplotlib
Terakhir, visualisasi. Buat file graphic dot py. Dengan PLT subplots kita membuat empat grafik dalam satu jendela. Grafik garis untuk fungsi sinus dan kosinus, skater plot titik acak, histogram tinggi badan yang membentuk kurva lonceng, dan diagram batang rata-rata gaji per divisi dari data CSV tadi. Fungsi tick layout merapikan jarak antar grafik.
Selesai!
Selesai. Kita sudah memasang library, memakai array dan operasi vektor numpy, mengolah tabel dengan pandas, dan membuat berbagai grafik dengan matplotlib. Di episode berikutnya kita belajar matematika dibalik machine learning, dan melatih model regresi dari nol dengan gradient descent tanpa library machine learning sama sekali. Ingin menguasai machine learning dan data science? Cerdas inovasi digital membuka kursus Python, machine learning, dan AI dari dasar, jasa pembuatan model prediksi, analisis data, dan aplikasi AI untuk bisnis maupun penelitian, serta menjual source code lengkap tutorial ini. Ingin menguasai seluruh seri ini, dari pengenalan machine learning sampai diplo model ke web? Semua 18 episode, lengkap dengan PDF panduan langkah demi langkah, tersedia untuk pelanggan tutorial premium. Berlangganan mulai Rp69.000 per bulan, hemat 28% dengan paket 12 bulan, atau sekali bayar Rp999.000 untuk akses seumur hidup. Mau satu kelas saja? Beli kelas satuan dengan akses selamanya. Langganan sekarang di halaman premium cerdas inovasi digital.com. Hubungi WhatsApp kami, atau kunjungi cerdasinovasidigital.com. Terima kasih telah menonton, sampai jumpa di episode berikutnya.
Tanya materi kelas
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan saya
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Tanya jawab
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.
Pengajar
Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
52 kelas video1.276 episode
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
