ML-For-Beginners/translations/id

🌐 Dukungan Multi-Bahasa

Didukung melalui GitHub Action (Otomatis & Selalu Terbaru)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Bergabung dengan Komunitas Kami

Kami memiliki seri belajar Discord dengan AI yang sedang berlangsung, pelajari lebih lanjut dan bergabunglah dengan kami di Learn with AI Series dari 18 - 30 September, 2025. Anda akan mendapatkan tips dan trik menggunakan GitHub Copilot untuk Data Science.

Pembelajaran Mesin untuk Pemula - Kurikulum

🌍 Jelajahi dunia sambil mempelajari Pembelajaran Mesin melalui budaya dunia 🌍

Cloud Advocates di Microsoft dengan senang hati menawarkan kurikulum 12 minggu, 26 pelajaran yang membahas Pembelajaran Mesin. Dalam kurikulum ini, Anda akan belajar tentang apa yang kadang disebut pembelajaran mesin klasik, menggunakan terutama Scikit-learn sebagai perpustakaan dan menghindari pembelajaran mendalam, yang dibahas dalam kurikulum AI untuk Pemula kami. Padukan pelajaran ini dengan 'Data Science untuk Pemula' kurikulum kami juga!

Jelajahi bersama kami ke seluruh dunia saat kami menerapkan teknik klasik ini pada data dari berbagai wilayah dunia. Setiap pelajaran mencakup kuis sebelum dan sesudah pelajaran, instruksi tertulis untuk menyelesaikan pelajaran, solusi, tugas, dan lainnya. Metode pembelajaran berbasis proyek kami memungkinkan Anda belajar sambil membangun, cara yang terbukti efektif agar keterampilan baru 'melekat'.

✍️ Terima kasih hangat kepada para 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 para ilustrator kami Tomomi Imura, Dasani Madipalli, dan Jen Looper

🙏 Terima kasih khusus 🙏 kepada para Microsoft Student Ambassador penulis, pengulas, dan kontributor konten kami, terutama 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 Repository: Klik tombol "Fork" di pojok kanan atas halaman ini.
2. Clone Repository: git clone https://github.com/microsoft/ML-For-Beginners.git

temukan semua sumber daya tambahan untuk kursus ini di koleksi Microsoft Learn kami

🔧 Butuh bantuan? Periksa Panduan Pemecahan Masalah kami untuk solusi masalah umum terkait instalasi, pengaturan, dan menjalankan pelajaran.

Siswa, untuk menggunakan kurikulum ini, fork seluruh repo ke akun GitHub Anda sendiri dan selesaikan latihan secara mandiri atau bersama kelompok:

• Mulai dengan kuis pemanasan sebelum kuliah.
• Baca kuliah dan selesaikan aktivitas, berhenti dan refleksi pada setiap pemeriksaan pengetahuan.
• Cobalah membuat proyek dengan memahami pelajaran daripada langsung menjalankan kode solusi; namun kode tersebut tersedia di folder /solution di setiap pelajaran berbasis proyek.
• Ikuti kuis setelah kuliah.
• Selesaikan tantangan.
• Selesaikan tugas.
• Setelah menyelesaikan satu kelompok pelajaran, kunjungi Papan Diskusi dan "belajar dengan suara" dengan mengisi rubrik PAT yang sesuai. 'PAT' adalah Alat Penilaian Kemajuan yang merupakan rubrik yang Anda isi untuk memperdalam pembelajaran. Anda juga dapat merespons PAT lain agar kita bisa belajar bersama.

Untuk studi lebih lanjut, kami merekomendasikan mengikuti modul dan jalur pembelajaran Microsoft Learn.

Guru, kami telah menyertakan beberapa saran tentang cara menggunakan kurikulum ini.

---

Video panduan

Beberapa pelajaran tersedia dalam bentuk video pendek. Anda dapat menemukan semuanya di dalam pelajaran, atau di playlist ML for Beginners di saluran YouTube Microsoft Developer dengan mengklik gambar di bawah ini.

---

Kenali Tim

Gif oleh Mohit Jaisal

🎥 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 kurikulum ini berbasis proyek langsung dan mencakup kuis yang sering. Selain itu, kurikulum ini memiliki tema yang sama untuk memberikan kohesi.

Dengan memastikan konten selaras dengan proyek, proses pembelajaran menjadi lebih menarik bagi siswa dan retensi konsep akan meningkat. Selain itu, kuis dengan risiko rendah sebelum kelas menetapkan niat siswa untuk mempelajari topik, sementara kuis kedua setelah kelas memastikan retensi lebih lanjut. Kurikulum ini dirancang agar fleksibel dan menyenangkan dan dapat diambil secara keseluruhan atau sebagian. Proyek dimulai dari yang kecil dan menjadi semakin kompleks pada akhir siklus 12 minggu. Kurikulum ini juga mencakup catatan akhir tentang aplikasi nyata ML, yang dapat digunakan sebagai kredit tambahan atau sebagai dasar diskusi.

Temukan Kode Etik, Kontribusi, Terjemahan, dan panduan Pemecahan Masalah kami. Kami menyambut umpan balik konstruktif Anda!

Setiap pelajaran mencakup

• sketchnote opsional
• video tambahan opsional
• video panduan (beberapa pelajaran saja)
• kuis pemanasan sebelum kuliah
• pelajaran tertulis
• untuk pelajaran berbasis proyek, panduan langkah demi langkah cara membangun proyek
• pemeriksaan pengetahuan
• tantangan
• bacaan tambahan
• tugas
• kuis setelah kuliah

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. Mereka memiliki ekstensi .rmd yang merupakan file R Markdown yang dapat didefinisikan sebagai penggabungan potongan kode (dari R atau bahasa lain) dan header YAML (yang mengatur format output seperti PDF) dalam dokumen Markdown. Dengan demikian, ini berfungsi sebagai kerangka kerja penulisan yang ideal untuk data science karena memungkinkan Anda menggabungkan kode, outputnya, dan pemikiran Anda dengan menuliskannya dalam Markdown. Selain itu, dokumen R Markdown dapat dirender ke format output seperti PDF, HTML, atau Word.

Catatan tentang kuis: Semua kuis terdapat di folder Quiz App, dengan total 52 kuis masing-masing berisi tiga pertanyaan. Kuis ini terhubung dari dalam pelajaran tetapi aplikasi kuis dapat dijalankan secara lokal; ikuti instruksi di folder quiz-app untuk hosting lokal atau deploy ke Azure.

Nomor Pelajaran	Topik	Pengelompokan Pelajaran	Tujuan Pembelajaran	Pelajaran Terkait	Penulis
01	Pengantar pembelajaran mesin	Introduction	Pelajari konsep dasar di balik pembelajaran mesin	Lesson	Muhammad
02	Sejarah pembelajaran mesin	Introduction	Pelajari sejarah yang mendasari bidang ini	Lesson	Jen and Amy
03	Keadilan dan pembelajaran mesin	Introduction	Apa saja isu filosofis penting tentang keadilan yang harus dipertimbangkan siswa saat membangun dan menerapkan model ML?	Lesson	Tomomi
04	Teknik untuk pembelajaran mesin	Introduction	Teknik apa yang digunakan peneliti ML untuk membangun model ML?	Lesson	Chris and Jen
05	Pengantar regresi	Regression	Mulai dengan Python dan Scikit-learn untuk model regresi	Python • R	Jen • Eric Wanjau
06	Harga labu Amerika Utara 🎃	Regression	Visualisasikan dan bersihkan data sebagai persiapan untuk ML	Python • R	Jen • Eric Wanjau
07	Harga labu Amerika Utara 🎃	Regression	Bangun model regresi linier dan polinomial	Python • R	Jen and Dmitry • Eric Wanjau
08	Harga labu Amerika Utara 🎃	Regression	Bangun model regresi logistik	Python • R	Jen • Eric Wanjau
09	Aplikasi Web 🔌	Web App	Bangun aplikasi web untuk menggunakan model yang sudah dilatih	Python	Jen
10	Pengantar klasifikasi	Classification	Bersihkan, persiapkan, dan visualisasikan data Anda; pengantar klasifikasi	Python • R	Jen and Cassie • Eric Wanjau
11	Masakan Asia dan India yang lezat 🍜	Classification	Pengantar klasifikator	Python • R	Jen and Cassie • Eric Wanjau
12	Masakan Asia dan India yang lezat 🍜	Classification	Lebih banyak klasifikator	Python • R	Jen and Cassie • Eric Wanjau
13	Masakan Asia dan India yang lezat 🍜	Classification	Bangun aplikasi web rekomendasi menggunakan model Anda	Python	Jen
14	Pengantar pengelompokan	Clustering	Bersihkan, persiapkan, dan visualisasikan data Anda; pengantar pengelompokan	Python • R	Jen • Eric Wanjau
15	Menjelajahi Selera Musik Nigeria 🎧	Clustering	Jelajahi metode pengelompokan K-Means	Python • R	Jen • Eric Wanjau
16	Pengantar pemrosesan bahasa alami ☕️	Natural language processing	Pelajari dasar-dasar NLP dengan membangun bot sederhana	Python	Stephen
17	Tugas NLP Umum ☕️	Natural language processing	Perdalam pengetahuan NLP Anda dengan memahami tugas umum yang diperlukan saat berurusan dengan struktur bahasa	Python	Stephen
18	Terjemahan dan analisis sentimen ♥️	Natural language processing	Terjemahan dan analisis sentimen dengan Jane Austen	Python	Stephen
19	Hotel romantis di Eropa ♥️	Natural language processing	Analisis sentimen dengan ulasan hotel 1	Python	Stephen
20	Hotel romantis di Eropa ♥️	Natural language processing	Analisis sentimen dengan ulasan hotel 2	Python	Stephen
21	Pengantar peramalan deret waktu	Time series	Pengantar peramalan deret waktu	Python	Francesca
22	⚡️ Penggunaan Listrik Dunia ⚡️ - peramalan deret waktu dengan ARIMA	Time series	Peramalan deret waktu dengan ARIMA	Python	Francesca
23	⚡️ Penggunaan Listrik Dunia ⚡️ - peramalan deret waktu dengan SVR	Time series	Peramalan deret waktu dengan Support Vector Regressor	Python	Anirban
24	Pengantar pembelajaran penguatan	Reinforcement learning	Pengantar pembelajaran penguatan dengan Q-Learning	Python	Dmitry
25	Bantu Peter menghindari serigala! 🐺	Reinforcement learning	Pembelajaran penguatan Gym	Python	Dmitry
Postscript	Skenario dan aplikasi ML dunia nyata	ML in the Wild	Aplikasi dunia nyata yang menarik dan mengungkap dari ML klasik	Lesson	Team
Postscript	Debugging Model dalam ML menggunakan dashboard RAI	ML in the Wild	Debugging Model dalam Pembelajaran Mesin menggunakan komponen dashboard Responsible AI	Lesson	Ruth Yakubu

temukan semua sumber daya tambahan untuk kursus ini di koleksi Microsoft Learn kami

Akses offline

Anda dapat menjalankan dokumentasi ini secara offline dengan menggunakan Docsify. Fork repo ini, pasang Docsify di mesin lokal Anda, lalu di folder root repo ini, ketik docsify serve. Situs web akan disajikan di port 3000 pada localhost Anda: localhost:3000.

PDF

Temukan pdf kurikulum dengan tautan di sini.

🎒 Kursus Lainnya

Tim kami memproduksi kursus lain! Lihat:

LangChain

---

Azure / Edge / MCP / Agen

---

Seri AI Generatif

---

Pembelajaran Inti

---

Seri Copilot

Mendapatkan Bantuan

Jika Anda mengalami kesulitan atau memiliki pertanyaan tentang membangun aplikasi AI. Bergabunglah dengan sesama pelajar dan pengembang berpengalaman dalam diskusi tentang MCP. Ini adalah komunitas yang mendukung di mana pertanyaan disambut dan pengetahuan dibagikan secara bebas.

Jika Anda memiliki umpan balik produk atau menemukan kesalahan saat membangun, kunjungi:

---

Penafian:
Dokumen ini telah diterjemahkan menggunakan layanan terjemahan AI Co-op Translator. Meskipun kami berusaha untuk akurasi, harap diingat bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang sah. 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.