[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) [](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) [](https://GitHub.com/microsoft/ML-For-Beginners/issues/) [](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) [](http://makeapullrequest.com) [](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) [](https://GitHub.com/microsoft/ML-For-Beginners/network/) [](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) ### 🌐 Dukungan Multi-Bahasa #### Didukung melalui GitHub Action (Otomatis & Selalu Terbaru) [Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](./README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../br/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) > **Lebih suka Mengkloning Secara Lokal?** > Repositori ini mencakup lebih dari 50 terjemahan bahasa yang secara signifikan meningkatkan ukuran unduhan. Untuk mengkloning tanpa terjemahan, gunakan sparse checkout: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git > cd ML-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` > Ini memberi Anda semua yang Anda butuhkan untuk menyelesaikan kursus dengan unduhan yang jauh lebih cepat. #### Bergabunglah dengan Komunitas Kami [](https://discord.gg/nTYy5BXMWG) Kami memiliki seri belajar dengan AI di Discord, pelajari lebih lanjut dan bergabunglah bersama kami di [Learn with AI Series](https://aka.ms/learnwithai/discord) dari 18 - 30 September, 2025. Anda akan mendapatkan tips dan trik menggunakan GitHub Copilot untuk Data Science.  # Machine Learning untuk Pemula - Kurikulum > 🌍 Jelajahi dunia saat kita mengeksplorasi Machine Learning melalui budaya dunia 🌍 Cloud Advocates di Microsoft dengan bangga menawarkan kurikulum 12-minggu, 26-pelajaran yang membahas **Machine Learning**. Dalam kurikulum ini, Anda akan belajar tentang apa yang kadang disebut **machine learning klasik**, menggunakan terutama perpustakaan Scikit-learn dan menghindari pembelajaran mendalam, yang dibahas dalam [kurikulum AI untuk Pemula](https://aka.ms/ai4beginners). Padu padankan pelajaran ini dengan kurikulum ['Data Science untuk Pemula'](https://aka.ms/ds4beginners), juga! Jelajahi bersama kami ke berbagai belahan dunia saat kami menerapkan teknik klasik ini pada data dari berbagai wilayah di dunia. Setiap pelajaran mencakup kuis sebelum dan sesudah pelajaran, instruksi tertulis untuk menyelesaikan pelajaran, solusi, tugas, dan lainnya. Pendekatan berbasis proyek memungkinkan Anda belajar sambil membangun, cara efektif agar keterampilan baru 'bersemangat'. **✍️ Terima kasih sebesar-besarnya kepada penulis kami** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu dan Amy Boyd **🎨 Terima kasih juga kepada ilustrator kami** Tomomi Imura, Dasani Madipalli, dan Jen Looper **🙏 Terima kasih khusus 🙏 kepada penulis, pengulas, dan kontributor konten Microsoft Student Ambassador kami**, khususnya Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, dan Snigdha Agarwal **🤩 Terima kasih ekstra kepada Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, dan Vidushi Gupta untuk pelajaran R kami!** # Memulai Ikuti langkah-langkah ini: 1. **Fork Repositori**: Klik tombol "Fork" di sudut kanan atas halaman ini. 2. **Clone Repositori**: `git clone https://github.com/microsoft/ML-For-Beginners.git` > [temukan semua sumber daya tambahan untuk kursus ini di koleksi Microsoft Learn kami](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) > 🔧 **Butuh bantuan?** Periksa [Panduan Pemecahan Masalah](TROUBLESHOOTING.md) kami untuk solusi masalah umum dengan pemasangan, penyiapan, dan menjalankan pelajaran. **[Siswa](https://aka.ms/student-page)**, untuk menggunakan kurikulum ini, fork seluruh repo ke akun GitHub Anda sendiri dan selesaikan latihan secara mandiri atau dalam kelompok: - Mulai dengan kuis pemanasan sebelum kuliah. - Baca kuliah dan selesaikan aktivitas, berhenti dan renungkan setiap pemeriksaan pengetahuan. - Coba buat proyek dengan memahami pelajaran daripada langsung menjalankan kode solusi; tetapi kode tersebut tersedia di folder `/solution` pada setiap pelajaran berbasis proyek. - Ikuti kuis setelah kuliah. - Selesaikan tantangan. - Selesaikan tugas. - Setelah menyelesaikan satu kelompok pelajaran, kunjungi [Papan Diskusi](https://github.com/microsoft/ML-For-Beginners/discussions) dan "belajar secara terbuka" dengan mengisi rubrik PAT yang sesuai. 'PAT' adalah Alat Penilaian Kemajuan yang merupakan rubrik yang Anda isi untuk memperdalam pembelajaran Anda. Anda juga dapat merespon PAT lain agar kita bisa belajar bersama. > Untuk studi lanjutan, kami sarankan mengikuti modul dan jalur belajar [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) ini. **Guru**, kami telah [menyediakan beberapa saran](for-teachers.md) tentang cara menggunakan kurikulum ini. --- ## Video panduan Beberapa pelajaran tersedia dalam bentuk video singkat. Anda dapat menemukannya secara inline di pelajaran, atau di [playlist ML untuk Pemula di saluran YouTube Microsoft Developer](https://aka.ms/ml-beginners-videos) dengan mengklik gambar di bawah ini. [](https://aka.ms/ml-beginners-videos) --- ## Temui Tim [](https://youtu.be/Tj1XWrDSYJU) **Gif oleh** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 Klik gambar di atas untuk video tentang proyek dan orang-orang yang membuatnya! --- ## Pedagogi Kami memilih dua prinsip pedagogis saat membangun kurikulum ini: memastikan bahwa itu berbasis **proyek langsung** dan mencakup **kuis yang sering**. Selain itu, kurikulum ini memiliki **tema** umum agar lebih terpadu. Dengan memastikan isi selaras dengan proyek, proses menjadi lebih menarik bagi siswa dan memperkuat retensi konsep. Selain itu, kuis dengan tingkat tekanan rendah sebelum kelas mengarahkan niat siswa untuk mempelajari topik, sementara kuis kedua setelah kelas memastikan retensi lebih lanjut. Kurikulum ini dirancang agar fleksibel dan menyenangkan serta dapat diambil secara lengkap atau sebagian. Proyek dimulai dari yang sederhana dan menjadi semakin kompleks hingga akhir siklus 12 minggu. Kurikulum ini juga mencakup posskrip tentang aplikasi nyata ML, yang dapat digunakan sebagai nilai tambah atau sebagai dasar diskusi. > Temukan [Kode Etik](CODE_OF_CONDUCT.md), [Kontribusi](CONTRIBUTING.md), [Terjemahan](TRANSLATIONS.md), dan pedoman [Pemecahan Masalah](TROUBLESHOOTING.md) kami. Kami menyambut umpan balik konstruktif Anda! ## Setiap pelajaran mencakup - sketchnote opsional - video pelengkap opsional - video panduan (hanya beberapa pelajaran) - [kuis pemanasan pra-kuliah](https://ff-quizzes.netlify.app/en/ml/) - pelajaran tertulis - untuk pelajaran berbasis proyek, panduan langkah demi langkah cara membangun proyek - pemeriksaan pengetahuan - tantangan - bacaan pelengkap - tugas - [kuis pasca-kuliah](https://ff-quizzes.netlify.app/en/ml/) > **Catatan tentang bahasa**: Pelajaran ini terutama ditulis dalam Python, tetapi banyak juga tersedia dalam R. Untuk menyelesaikan pelajaran R, buka folder `/solution` dan cari pelajaran R. Pelajaran tersebut memiliki ekstensi .rmd yang merupakan file **R Markdown** yang dapat didefinisikan sebagai gabungan `potongan kode` (dari R atau bahasa lain) dan `header YAML` (yang mengarahkan bagaimana memformat keluaran seperti PDF) dalam dokumen `Markdown`. Dengan demikian, ia berfungsi sebagai kerangka kerja pembuatan yang sangat baik untuk ilmu data karena memungkinkan Anda menggabungkan kode, outputnya, dan pemikiran Anda dengan menuliskannya dalam Markdown. Selain itu, dokumen R Markdown dapat dirender ke format keluaran seperti PDF, HTML, atau Word. > **Catatan tentang kuis**: Semua kuis terdapat di dalam [folder Quiz App](../../quiz-app), dengan total 52 kuis yang masing-masing berisi tiga pertanyaan. Kuis tersebut ditautkan di dalam pelajaran, tetapi aplikasi kuis dapat dijalankan secara lokal; ikuti instruksi di folder `quiz-app` untuk menghosting secara lokal atau men-deploy ke Azure. | Nomor Pelajaran | Topik | Pengelompokan Pelajaran | Tujuan Pembelajaran | Pelajaran Tautan | Penulis | | :--------------: | :------------------------------------------------------------: | :----------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | 01 | Pengenalan machine learning | [Pengenalan](1-Introduction/README.md) | Pelajari konsep dasar di balik machine learning | [Pelajaran](1-Introduction/1-intro-to-ML/README.md) | Muhammad | | 02 | Sejarah machine learning | [Pengenalan](1-Introduction/README.md) | Pelajari sejarah yang mendasari bidang ini | [Pelajaran](1-Introduction/2-history-of-ML/README.md) | Jen dan Amy | | 03 | Keadilan dan machine learning | [Pengenalan](1-Introduction/README.md) | Apa isu filosofis penting tentang keadilan yang harus dipertimbangkan oleh siswa saat membangun dan menerapkan model ML? | [Pelajaran](1-Introduction/3-fairness/README.md) | Tomomi | | 04 | Teknik untuk machine learning | [Pengenalan](1-Introduction/README.md) | Teknik apa yang digunakan peneliti ML untuk membangun model ML? | [Pelajaran](1-Introduction/4-techniques-of-ML/README.md) | Chris dan Jen | | 05 | Pengenalan regresi | [Regresi](2-Regression/README.md) | Mulai dengan Python dan Scikit-learn untuk model regresi | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | | 06 | Harga labu Amerika Utara 🎃 | [Regresi](2-Regression/README.md) | Visualisasikan dan bersihkan data sebagai persiapan untuk ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | | 07 | Harga labu Amerika Utara 🎃 | [Regresi](2-Regression/README.md) | Bangun model regresi linier dan polinomial | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen dan Dmitry • Eric Wanjau | | 08 | Harga labu Amerika Utara 🎃 | [Regresi](2-Regression/README.md) | Bangun model regresi logistik | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | | 09 | Aplikasi Web 🔌 | [Aplikasi Web](3-Web-App/README.md) | Bangun aplikasi web untuk menggunakan model yang sudah dilatih | [Python](3-Web-App/1-Web-App/README.md) | Jen | | 10 | Pengenalan klasifikasi | [Klasifikasi](4-Classification/README.md) | Bersihkan, persiapkan, dan visualisasikan data Anda; pengantar klasifikasi | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen dan Cassie • Eric Wanjau | | 11 | Masakan Asia dan India yang Lezat 🍜 | [Klasifikasi](4-Classification/README.md) | Pengenalan kepada pengklasifikasi | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen dan Cassie • Eric Wanjau | | 12 | Masakan Asia dan India yang Lezat 🍜 | [Klasifikasi](4-Classification/README.md) | Lebih banyak pengklasifikasi | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen dan Cassie • Eric Wanjau | | 13 | Masakan Asia dan India yang Lezat 🍜 | [Klasifikasi](4-Classification/README.md) | Bangun aplikasi rekomender web menggunakan model Anda | [Python](4-Classification/4-Applied/README.md) | Jen | | 14 | Pengenalan klastering | [Klastering](5-Clustering/README.md) | Bersihkan, persiapkan, dan visualisasikan data Anda; pengantar klastering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | | 15 | Menjelajahi Selera Musik Nigeria 🎧 | [Klastering](5-Clustering/README.md) | Jelajahi metode klastering K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | | 16 | Pengenalan pemrosesan bahasa alami ☕️ | [Pemrosesan bahasa alami](6-NLP/README.md) | Pelajari dasar-dasar NLP dengan membangun bot sederhana | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | | 17 | Tugas Umum NLP ☕️ | [Pemrosesan bahasa alami](6-NLP/README.md) | Perdalam pengetahuan NLP Anda dengan memahami tugas umum yang diperlukan saat menangani struktur bahasa | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 18 | Terjemahan dan analisis sentimen ♥️ | [Pemrosesan bahasa alami](6-NLP/README.md) | Terjemahan dan analisis sentimen dengan Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | | 19 | Hotel romantis di Eropa ♥️ | [Pemrosesan bahasa alami](6-NLP/README.md) | Analisis sentimen dengan ulasan hotel 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | | 20 | Hotel romantis di Eropa ♥️ | [Pemrosesan bahasa alami](6-NLP/README.md) | Analisis sentimen dengan ulasan hotel 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | | 21 | Pengenalan peramalan deret waktu | [Deret waktu](7-TimeSeries/README.md) | Pengenalan kepada peramalan deret waktu | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | | 22 | ⚡️ Penggunaan Listrik Dunia ⚡️ - peramalan deret waktu dengan ARIMA | [Deret waktu](7-TimeSeries/README.md) | Peramalan deret waktu dengan ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | | 23 | ⚡️ Penggunaan Listrik Dunia ⚡️ - peramalan deret waktu dengan SVR | [Deret waktu](7-TimeSeries/README.md) | Peramalan deret waktu dengan Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | | 24 | Pengenalan pembelajaran penguatan | [Pembelajaran penguatan](8-Reinforcement/README.md) | Pengenalan pembelajaran penguatan dengan Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | | 25 | Bantu Peter menghindari serigala! 🐺 | [Pembelajaran penguatan](8-Reinforcement/README.md) | Pembelajaran penguatan Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | | Postscript | Skenario dan aplikasi ML di dunia nyata | [ML di Dunia Nyata](9-Real-World/README.md) | Aplikasi ML klasik yang menarik dan mengungkap dalam dunia nyata | [Pelajaran](9-Real-World/1-Applications/README.md) | Tim | | Postscript | Debugging Model dalam ML menggunakan dasbor RAI | [ML di Dunia Nyata](9-Real-World/README.md) | Debugging Model dalam Machine Learning menggunakan komponen dasbor Responsible AI | [Pelajaran](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | > [temukan semua sumber tambahan untuk kursus ini dalam koleksi Microsoft Learn kami](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## Akses offline Anda dapat menjalankan dokumentasi ini secara offline dengan menggunakan [Docsify](https://docsify.js.org/#/). Fork repo ini, [instal Docsify](https://docsify.js.org/#/quickstart) pada mesin lokal Anda, kemudian di folder root repo ini, ketik `docsify serve`. Situs web akan disajikan pada port 3000 di localhost Anda: `localhost:3000`. ## PDF Temukan pdf kurikulum dengan tautan [di sini](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). ## 🎒 Kursus Lainnya Tim kami memproduksi kursus lainnya! Cek: ### LangChain [](https://aka.ms/langchain4j-for-beginners) [](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agen [](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Seri AI Generatif [](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) [-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) [-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) [-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- ### Pembelajaran Inti [](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) [](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Seri Copilot [](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## Mendapatkan Bantuan Jika Anda mengalami kebuntuan atau memiliki pertanyaan tentang membangun aplikasi AI. Bergabunglah dengan sesama pelajar dan pengembang berpengalaman dalam diskusi tentang MCP. Ini adalah komunitas yang suportif di mana pertanyaan disambut dan pengetahuan dibagikan dengan bebas. [](https://discord.gg/nTYy5BXMWG) Jika Anda memiliki umpan balik produk atau menemui kesalahan saat membangun, kunjungi: [](https://aka.ms/foundry/forum) --- **Penafian**: Dokumen ini telah diterjemahkan menggunakan layanan terjemahan AI [Co-op Translator](https://github.com/Azure/co-op-translator). Meskipun kami berupaya untuk akurasi, harap diketahui bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang sahih. Untuk informasi penting, disarankan menggunakan terjemahan profesional oleh manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau penafsiran yang salah yang timbul dari penggunaan terjemahan ini.