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, aplikasi web prediksi harga rumah buatan kita sendiri. Pengguna cukup mengisi luas, jumlah kamar, kota, dan kondisi rumah, lalu model machine learning langsung menghitung perkiraan harganya. Semua kita bangun dari nol, dari data mentah sampai aplikasi siap pakai. Ayo kita mulai. Halo, selamat datang di episode terakhir seri machine learning dengan Python. Di episode ini, kita menyatukan semua yang sudah dipelajari dalam satu proyek utuh, prediksi harga rumah. Kita mulai dari data, membangun pipeline, membandingkan beberapa model dengan cross-validation, menuning model terbaik, menyimpannya ke file, lalu mendeplay-nya menjadi aplikasi web dengan Streamlit, sehingga bisa dipakai siapa saja lewat browser.
Langkah 1: Data proyek dan pembagian data
Kita buka terminal dan pasang Streamlit dan JobLab dengan PIP. Lalu buat file latih .py. Datanya 800 rumah dengan fitur luas, kamar, umur, kota, kondisi, dan jarak ke pusat kota. Seperti proyek nyata, ada data kosong di beberapa kolom. Kita bagi data latih dan data uji sejak awal.
Langkah 2: Pipeline dan perbandingan model
Kita susun pipeline pra-proses seperti di episode 4, fitur angka diisi median lalu distandardisasi, kota dengan one-hot encoding, dan kondisi dengan ordinal encoding. Lalu kita bandingkan 3 model dengan cross-validation 5 lipatan, regresi linear, random forest, dan gradient boosting. Metriknya MAI dalam juta rupiah, semakin kecil semakin baik. Gradient boosting paling unggul, karena bisa menangkap hubungan yang tidak linear dengan baik.
Langkah 3: Tuning, uji akhir, dan simpan model
Model terbaik kita tuning dengan grid search CV untuk jumlah pohon, kedalaman, dan learning rate. Setelah itu kita nilai sekali saja pada data uji yang sejak awal disimpan. MAI dan R kuadratnya bagus. Terakhir, seluruh pipeline, termasuk pra-proses, kita simpan ke satu file dengan job lab dump. Inilah keuntungan pipeline, satu file berisi semua langkah, siap menerima data mentah.
Langkah 4: Aplikasi Streamlit: input pengguna
Sekarang aplikasinya. Buat file app.py Streamlit membuat aplikasi web hanya dengan Python, tanpa HTML. Kita muat model dengan job lab load, memakai caca resource supaya hanya dimuat sekali. Lalu kita buat judul, dan input untuk setiap fitur, number input untuk luas, slider untuk kamar dan umur, select box untuk kota dan kondisi.
Langkah 5: Tombol prediksi dan menjalankan aplikasi
Ketika tombol prediksi harga ditekan, input dikumpulkan menjadi data frame satu baris, dikirim ke model, dan hasilnya ditampilkan dalam format rupiah yang rapi. Kita jalankan dengan perintah streamlit runapp.py, di sini dengan start minus B supaya server berjalan di latar dan terminal tetap bisa dipakai. Lalu membukanya di browser, di alamat lokal hostport 8501.
Langkah 6: Mencoba aplikasi di browser
Aplikasinya sudah berjalan. Dengan nilai bawaan, rumah 120 meter persegi, 3 kamar, di Bandung, kita tekan tombol prediksi harga, dan perkiraan harga langsung muncul. Coba ganti kotanya menjadi Jakarta dan tekan lagi. Harganya naik, sesuai pola yang dipelajari model dari data. Untuk membagikannya ke seluruh dunia, aplikasi ini bisa diunggah gratis ke Streamlit Community Cloud lewat GitHub.
Selesai!
Selesai, dan selamat! Kamu sudah menyelesaikan seluruh seri machine learning dengan Python. Kita sudah belajar dari pengenalan, nampai dan pandas, matematika, praproses data, regresi, klasifikasi, pohon, SVM, ensemble, evaluasi, tuning, feature engineering, clustering, reduksi dimensi, anomali, deep learning, reinforcement learning, sampai diplau. Langkah berikutnya, cari data set dikegel, buat proyekmu sendiri, dan terus berlatih. Terima kasih sudah belajar bersama. 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 diplau 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.
