Bagian dari Perjalanan Machine LearningBaruPerjalananSupervised Learning dengan Python
Latih model yang belajar dari contoh berlabel. Split, fit, predict, dan score dengan scikit-learn, lihat setiap model di grafik, dan akhiri dengan merilis pengklasifikasi spesies penguin.
1,000+ coder terdaftar
58 pelajaran58 tantangan240 soal kuis
- Ramah pemula
Bantuan coding dengan AI
Pelajaran interaktif yang praktis
Kuis untuk menguji pemahamanmu
Sertifikat penyelesaian gratis
Silabus
Bagian ini termasuk dalam Perjalanan Machine Learning. Silabus lengkapnya punya lebih banyak bagian: klik pratinjau mana pun di bawah untuk melihatnya di halaman Perjalanan.
- Bagian 1Data dan Plot60 pelajaran
- Bagian 2Statistik untuk ML64 pelajaran
Bagian 3
Pembelajaran Terawasi
Mulai bagianMulaiLatih model nyata dengan scikit-learn: bagi data, latih model, buat prediksi, dan ukur hasilnya. Pelajari k-NN, regresi linear dan logistik, pohon, hutan, dan boosting, evaluasi yang andal dengan validasi silang, serta pipeline. Akhiri dengan proyek penguin dari awal hingga akhir.Model Pertamamu
5 pelajaran520Tetangga Terdekat
5 pelajaran520Regresi Linear
5 pelajaran520Regresi Logistik
5 pelajaran520Mengukur Model Klasifikasi
6 pelajaran625Pohon Keputusan
5 pelajaran520Overfitting
5 pelajaran520Validasi Silang
4 pelajaran415Ensemble
4 pelajaran415Pipeline
5 pelajaran520Proyek: Spesies Penguin
5 pelajaran525Tantangan Akhir
4 pelajaran420- Bagian 4Pembelajaran Tanpa Pengawasan51 pelajaran
Belajar sambil praktik
Tulis kode sungguhan, query database, buat website, dan kuasai prompt AI. Pelajaran interaktif kami mencakup setiap keterampilan yang dibutuhkan developer modern.
Bangun streakmu
Tetap konsisten dan lihat progresmu bertumbuh! Pantau kebiasaan coding harianmu, lindungi streakmu dengan hari beku, dan raih hadiah karena hadir setiap hari.
12 hari streak
Kembali besok untuk menjaga streakmu!
January 2026
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
21
22
23
24
25
26
27
28
29
30
Gandakan atau hangus
Hari ke-5 dari 7
Pembeku Streak
2 left
Coding di mana saja
Bawa perjalanan coding-mu ke mana saja! Tanpa setup, tanpa unduhan: cukup buka dan mulai coding. Tersedia di iOS, Android, dan Web dengan rating bintang 4,9.
Kamu tidak sendirian
Bersaing di papan peringkat global, ajak teman untuk mendapat hadiah, dan rayakan kemenangan satu sama lain. Coding lebih seru bersama teman!
1
2
3
Zona promosiSemua cara belajar
Baca, dengarkan, uji dirimu, tanya AI, atau cari lagi apa pun yang sudah kamu pelajari. Setiap pelajaran menyesuaikan diri denganmu.
Variabel adalah wadah bernama yang menyimpan nilai yang bisa kamu pakai lagi nanti di programmu.
Di Python, kamu membuatnya dengan menulis nama, tanda sama dengan, lalu nilai yang ingin kamu simpan.
Nilainya bisa berubah seiring waktu. Menetapkan ulang nama itu cukup membuatnya menunjuk ke nilai baru.
Dapatkan sertifikat
Dapatkan sertifikat untuk setiap kursus yang kamu selesaikan. Tambahkan ke profil LinkedIn dan CV-mu untuk menunjukkan keahlian coding-mu kepada pemberi kerja.
Sertifikat PenyelesaianDasar Python
Tambahkan ke LinkedInKenapa belajar supervised learning dengan Coddy
- Seluruh alur kerja scikit-learn dalam empat baris yang akan kamu pakai di setiap proyek:
train_test_split,fit,predictdanscore. Setelah itu, setiap model baru yang kamu temui hanya satu baris baru, bukan cara kerja baru. - Lihat apa yang diputuskan model. Decision boundary mewarnai bidang, residual plot menunjukkan apa yang terlewat oleh sebuah garis, kurva ROC menunjukkan apa yang dikorbankan sebuah threshold. Setiap pelajaran punya grafik, dan grafikmu muncul di tab Plot saat kamu menjalankan kode.
- Model yang mengerjakan sebagian besar pekerjaan nyata: k-nearest neighbors, regresi linear dan logistik, decision tree, random forest, dan gradient boosting, ditambah pipeline yang melakukan scaling, encoding, dan mengisi data kosong tanpa membocorkan test set.
- Skor yang jujur. Confusion matrix, precision dan recall, kelas yang tidak seimbang, overfitting, validation set, dan cross-validation, jadi kamu bisa membedakan model yang benar-benar bekerja dari model yang sekadar menghafal PR-nya.
Pertanyaan yang sering diajukan tentang supervised learning
Apa itu supervised learning?
Supervised learning adalah cara melatih model dengan contoh yang disertai jawaban benarnya, yang disebut label. Setiap baris punya fitur (panjang paruh, panjang sirip, dan pulau seekor penguin) dan label (spesiesnya). Model mempelajari hubungan keduanya, lalu menebak label untuk baris baru. Disebut supervised karena label berperan sebagai guru: model dikoreksi berdasarkan label selama belajar.
Apa bedanya supervised learning dan unsupervised learning?
Apa itu klasifikasi dan regresi?
Keduanya adalah dua jenis supervised learning. Klasifikasi menebak kategori, seperti spam atau bukan spam, atau salah satu dari tiga jenis anggur. Regresi menebak angka, seperti jumlah sepeda yang disewa besok atau perkembangan penyakit seorang pasien. Banyak model bisa melakukan keduanya: ada k-NN, decision tree, dan random forest untuk masing-masing, dan kursus ini memakai kedua versinya.
Algoritma supervised learning apa saja yang dibahas?
StandardScaler, OneHotEncoder, SimpleImputer, pipeline, cross_val_score dan GridSearchCV.Apa yang perlu diketahui sebelum mulai?
Bagaimana cara tahu modelku bagus atau tidak?
Uji model pada baris yang tidak pernah dilihatnya selama pelatihan, lalu bandingkan dengan baseline sederhana, seperti selalu menebak kelas yang paling umum. Akurasi saja bisa menyesatkan kalau satu kelas jarang muncul, jadi kursus ini juga mengajarkan confusion matrix, precision, recall, F1, dan kurva ROC, serta cross-validation untuk memastikan skornya bukan kebetulan.
Berapa lama bagian supervised learning ini?
58 pelajaran, sekitar 10 jam sesuai kecepatanmu sendiri: beberapa minggu dengan setengah jam sehari. Setiap pelajaran berisi satu ide dan satu tugas, dan bagian ini diakhiri dengan proyek penguin dan empat tantangan akhir.
Apakah bagian ini gratis?
Ya. Pelajaran, grafik, petunjuk AI, dan sertifikat untuk bagian ini gratis. Akun gratis bisa mengerjakan beberapa pelajaran per hari, dan Pro menghapus batas harian.
