Bagian dari Perjalanan Machine LearningBaruPerjalananUnsupervised Learning dengan Python
Temukan kelompok, bentuk, dan data yang menyimpang di data tanpa label. Lakukan clustering, reduksi, dan pemindaian pada dataset nyata dengan scikit-learn, dan lihat setiap hasilnya di grafik.
1,000+ coder terdaftar
51 pelajaran51 tantangan210 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 3Pembelajaran Terawasi58 pelajaran
Bagian 4
Pembelajaran Tanpa Pengawasan
Mulai bagianMulaiTemukan struktur dalam data tanpa label: clustering k-means, hierarkis, dan berbasis densitas, PCA untuk melihat dan memadatkan banyak fitur, serta deteksi anomali. Akhiri dengan proyek eksplorasi digit.Menemukan Kelompok
5 pelajaran520Memilih k
5 pelajaran520Membaca Cluster
5 pelajaran520Pengelompokan Hierarkis
4 pelajaran415Pengelompokan Berbasis Kepadatan
4 pelajaran415Dimensi Lebih Sedikit
5 pelajaran520PCA dalam Praktik
5 pelajaran520Deteksi Anomali
5 pelajaran520Klaster dalam Praktik
4 pelajaran415Proyek: Penjelajah Digit
5 pelajaran525Tantangan Akhir
4 pelajaran420
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 unsupervised learning dengan Coddy
- Clustering yang bisa kamu lihat. Saksikan k-means memindahkan pusatnya, baca tinggi penggabungan pada dendrogram, dan lihat DBSCAN menemukan kelompok berbentuk bulan sabit yang dipotong dua oleh k-means. Setiap pelajaran punya grafik, dan grafikmu muncul di tab Plot saat kamu menjalankan kode.
- Metode inti: k-means, memilih k dengan elbow dan silhouette score, hierarchical clustering, DBSCAN, PCA dan explained variance, isolation forest dan local outlier factor, semuanya dengan scikit-learn.
- Hasil yang bisa kamu jelaskan. Kamu membuat profil setiap cluster dalam satuan nyata, membandingkan cluster dengan label yang sudah diketahui, dan memberi nama segmen yang bisa ditindaklanjuti sebuah bisnis, alih-alih berhenti di daftar nomor cluster.
- 64 dimensi yang bisa dilihat: angka tulisan tangan diproyeksikan ke peta datar, komponen PCA digambar sebagai gambar, dan gambar yang dibangun ulang dari beberapa angka saja.
Pertanyaan yang sering diajukan tentang unsupervised learning
Apa itu unsupervised learning?
Unsupervised learning adalah cara menemukan struktur di data yang tidak punya label. Tidak ada yang memberi tahu model jawaban benarnya. Model mencari kelompok baris yang mirip (clustering), beberapa arah yang menyimpan sebagian besar informasi (reduksi dimensi), atau baris yang berbeda dari yang lain (deteksi anomali). Begitulah cara kamu menjelajahi dataset baru, membuat segmen pelanggan, atau mendeteksi penipuan sebelum ada yang memberinya label.
Apa saja contoh unsupervised learning?
Mengelompokkan pembeli berdasarkan apa yang mereka beli, mengurangi warna sebuah gambar menjadi delapan warna yang penting, memetakan gambar angka 64 piksel ke grafik datar, menemukan bacaan server yang tidak biasa, dan membagi hasil pengukuran sel menjadi dua jenis tanpa diberi tahu mana yang mana. Kursus ini membangun masing-masing contoh itu.
Algoritma apa saja yang dibahas kursus ini?
k-means dengan metode elbow dan silhouette score, agglomerative (hierarchical) clustering dengan dendrogram, DBSCAN, PCA, isolation forest, dan local outlier factor. Kamu juga belajar kenapa scaling harus dilakukan lebih dulu dan kapan setiap metode gagal, jadi kamu bisa memilih yang tepat.
Bagaimana cara memilih jumlah cluster?
Jarang ada satu jawaban yang benar, jadi kursus ini mengajarkan tiga cara melihatnya: siku pada kurva inertia, silhouette score, dan tinggi penggabungan pada dendrogram. Lalu kamu memeriksa cluster dalam satuan nyata dan bertanya apakah seseorang bisa menamainya. Nilai k yang menghasilkan kelompok yang tidak bisa dideskripsikan siapa pun adalah k yang salah.
Apakah sebaiknya belajar supervised learning dulu?
Berapa lama bagian unsupervised learning ini?
51 pelajaran, sekitar 8 sampai 9 jam sesuai kecepatanmu sendiri: beberapa minggu dengan setengah jam sehari, termasuk proyek penjelajah angka dan empat tantangan akhir.
Bisakah belajar unsupervised learning secara gratis?
Bisa. Pelajaran, grafik, petunjuk AI, dan sertifikat bagiannya gratis. Akun gratis bisa mengerjakan beberapa pelajaran per hari, dan Pro menghapus batas harian.
