Rp 336.000
Raja Jualan Digital Store
Indonesia, Indonesia
<p><div class="blog-content"> <h2>Apa itu Machine Learning?</h2><div>Pembelajaran mesin (<span style="font-weight:bold;">machine learning</span>) merupakan cabang ilmu kecerdasan buatan yang berfokus pada pengembangan sistem komputer yang dapat belajar dan mengambil <span style="font-weight:bold;">keputusan</span> atau <span style="font-weight:bold;">melakukan tugas</span> tertentu <span style="font-weight:bold;">tanpa perlu diprogram </span>secara <span style="font-weight:bold;">eksplisit</span>. Konsep dasar di balik <span style="font-weight:bold;">machine learning</span> adalah memberikan komputer kemampuan untuk mempelajari pola dari data yang diberikan dan membuat prediksi atau pengambilan keputusan berdasarkan pola tersebut.</div><div><br/></div><h2>Langkah Proses Kerja</h2><p>Saya akan membantu Anda membuat <span style="font-weight:bold;">model pembelajaran mesin (machine learning model)</span> untuk membuat prediksi berdasarkan data menggunakan <span style="font-weight:bold;">python</span> di <span style="font-weight:bold;">notebook jupyter</span>. Saya akan menggunakan <span style="font-weight:bold;">modul</span> seperti <span style="font-weight:bold;">pandas, seaborn, matplotlib, scikit-learn</span> untuk membantu saya dalam bekerja dan berikut ini langkah kerja saya:<br/></p><p></p><ol><li>️<span style="font-weight:bold;">Dataset</span> dibersihkan melalui <span style="font-weight:bold;">p</span><span style="font-weight:bold;">re-processing data</span> untuk membersihkan data dari duplikat, missing value, dan lainnya.</li><li>️Memilih <span style="font-weight:bold;">fitur yang paling penting</span> untuk pembelajaran mesin model menggunakan <span style="font-weight:bold;">rekayasa fitur.</span></li><li>️<span style="font-weight:bold;">Splitting dataset </span>yaitu membagi data menjadi <span style="font-weight:bold;">pelatihan (training)</span> dan <span style="font-weight:bold;">pengujian (testing)</span>.</li><li>️Memilih <span style="font-weight:bold;">algoritme</span> yang tepat untuk model <span style="font-weight:bold;">machine learning</span> baik untuk kasus <span style="font-weight:700;">klasifikasi </span>ataupun kasus <span style="font-weight:bold;">regresi</span>.</li><li>️Membuat skor metrik (<span style="font-weight:bold;">metric scores</span>) untuk mengetahui apakah model <span style="font-weight:bold;">machine learning</span> yang dibuat memiliki kualitas yang baik (tidak <span style="font-weight:bold;">overfitting</span> dan tidak <span style="font-weight:bold;">underfitting</span>).</li><li>(Optional) Mengoptimalkan model dengan melakuakan <span style="font-weight:bold;">Tuning Hyperparameter</span> agar model memiliki kualitas yang jauh lebih optimal.</li><li>️(Optional) Menambahkan <span style="font-weight:bold;">Analisis Data Eksplorasi (EDA)</span> untuk mendapatkan wawasan tentang data Anda.</li></ol><div><br/></div><h2>Penawaran Harga</h2><div>Harga <span style="font-weight:bold;">Rp. 210.000 </span>merupakan harga untuk semua proses dimulai dari <span style="font-weight:bold;">langkah 1</span> hingga <span style="font-weight:bold;">langkah 5 </span>dan <span style="font-weight:bold;">Report</span> akan diberikan dalam bentuk file <span style="font-weight:bold;">Jupyter Notebook (.ipynb) </span>dan <span style="font-weight:bold;">PDF</span>. Pengerjaan semuanya membutuhkan waktu <span style="font-weight:bold;">3 Hari. </span>Adapun jika ingin penawaran lain dapat memilih tambahan opsi seperti berikut:</div><div><br/></div><div>Option-1 :</div><div><ol><li>Optimasi model menggunakan <span style="font-weight:bold;">Tuning Hyperparameter (Langkah-6) </span></li><li>Penambahan biaya sebesar <span style="font-weight:bold;">Rp. 50.000</span></li></ol><div><div>Option-2 :</div><div><ol><li>Menambahkan Analisis Data menggunakan <span style="font-weight:bold;">Exploratory Data Analysis (Langkah-7) </span></li><li>Analisis data ini untuk mencari insights atau wawasan dari data serta visualisasi menggunakan diagram seperti <span style="font-weight:bold;">barplot, lineplot, scatterplot</span>.</li><li>Penambahan biaya sebesar <span style="font-weight:bold;">Rp. 100.000</span>.</li></ol><div><div>Option-3 :</div><div><ol><li>Membuat materi presentasi menggunakan<span style="font-weight:bold;"> MS.Power Point</span></li><li>Penambahan biaya sebesar <span style="font-weight:bold;">Rp. 50.000</span></li></ol></div></div></div></div></div><p></p><h2>Ketentuan</h2><p></p><ol><li>Data sudah dimiliki dalam bentuk file seperti <span style="font-weight:bold;">CSV</span> atau <span style="font-weight:bold;">Excel.</span></li><li>Memberikan penjelasan detail tentang projek dan isi dari data.</li></ol><p>Terima kasih...<br/></p></div></p>
