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 rangkaian acara Learn with AI di Discord yang sedang berlangsung, pelajari lebih lanjut dan bergabung bersama 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 - Sebuah Kurikulum

🌍 Jelajahi dunia sambil kita mengeksplorasi Pembelajaran Mesin melalui budaya-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 pustaka dan menghindari deep learning, yang dibahas dalam kurikulum 'AI for Beginners'. Padukan pelajaran-pelajaran ini dengan juga mengikuti 'Data Science for Beginners' curriculum!

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

✍️ Terima kasih banyak 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 ilustrator kami Tomomi Imura, Dasani Madipalli, dan Jen Looper

🙏 Terima kasih khusus 🙏 kepada para Microsoft Student Ambassador yang menjadi 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 tambahan untuk kursus ini di koleksi Microsoft Learn kami

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

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

• Mulailah dengan kuis pra-ceramah.
• Baca materi dan selesaikan aktivitas, jeda dan renungkan pada setiap pemeriksaan pengetahuan.
• Cobalah membuat proyek dengan memahami pelajarannya alih-alih langsung menjalankan kode solusi; namun kode tersebut tersedia di folder /solution di setiap pelajaran berorientasi proyek.
• Ikuti kuis pasca-ceramah.
• Selesaikan tantangan.
• Selesaikan tugas.
• Setelah menyelesaikan kelompok pelajaran, kunjungi Papan Diskusi dan "belajar dengan suara" dengan mengisi rubrik PAT yang sesuai. 'PAT' adalah Progress Assessment Tool yang merupakan rubrik yang Anda isi untuk memperdalam pembelajaran. Anda juga dapat bereaksi terhadap PAT orang lain supaya kita dapat belajar bersama.

Untuk studi lanjutan, kami menyarankan mengikuti modul dan jalur pembelajaran Microsoft Learn.

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

---

Panduan video

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

---

Kenali Tim

Gif oleh Mohit Jaisal

🎥 Klik gambar di atas untuk menonton video tentang proyek dan para pembuatnya!

---

Pedagogi

Kami memilih dua prinsip pedagogis saat menyusun kurikulum ini: memastikan bahwa kurikulum bersifat praktis berbasis proyek dan bahwa kurikulum mencakup kuis yang sering. Selain itu, kurikulum ini memiliki tema umum 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 taruhan 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 diikuti secara keseluruhan atau sebagian. Proyek dimulai kecil dan menjadi semakin kompleks hingga akhir siklus 12-minggu. Kurikulum ini juga menyertakan postscript tentang aplikasi dunia nyata dari ML, yang dapat digunakan sebagai kredit tambahan atau sebagai dasar diskusi.

Temukan Kode Etik kami, Panduan Kontribusi, Panduan Terjemahan, dan Panduan Pemecahan Masalah. Kami menyambut masukan konstruktif Anda!

Setiap pelajaran mencakup

• sketchnote opsional
• video pelengkap opsional
• panduan video (hanya beberapa pelajaran)
• kuis pemanasan pra-ceramah
• pelajaran tertulis
• untuk pelajaran berbasis proyek, panduan langkah-demi-langkah tentang cara membangun proyek
• pemeriksaan pengetahuan
• sebuah tantangan
• bacaan pelengkap
• tugas
• kuis pasca-ceramah

Catatan tentang bahasa: Pelajaran-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 merepresentasikan R Markdown yang dapat didefinisikan secara sederhana sebagai penyisipan code chunks (R atau bahasa lain) dan YAML header (yang mengarahkan bagaimana memformat keluaran seperti PDF) dalam sebuah dokumen Markdown. Dengan demikian, ini berfungsi sebagai kerangka penulisan contoh untuk data science karena memungkinkan Anda menggabungkan kode, keluaran, 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 folder Quiz App, total 52 kuis masing-masing berisi tiga pertanyaan. Mereka ditautkan dari dalam pelajaran tetapi aplikasi kuis dapat dijalankan secara lokal; ikuti petunjuk di folder quiz-app untuk menyajikan secara lokal atau melakukan deploy ke Azure.

Nomor Pelajaran	Topik	Pengelompokan Pelajaran	Tujuan Pembelajaran	Pelajaran Tertaut	Penulis
01	Pengantar pembelajaran mesin	Introduction	Pelajari konsep dasar di balik pembelajaran mesin	Pelajaran	Muhammad
02	Sejarah pembelajaran mesin	Introduction	Pelajari sejarah yang mendasari bidang ini	Pelajaran	Jen and Amy
03	Keadilan dan pembelajaran mesin	Introduction	Apa isu filosofis penting terkait keadilan yang harus dipertimbangkan siswa saat membangun dan menerapkan model ML?	Pelajaran	Tomomi
04	Teknik untuk pembelajaran mesin	Introduction	Teknik apa yang digunakan peneliti ML untuk membangun model ML?	Pelajaran	Chris and Jen
05	Pengantar regresi	Regression	Mulai menggunakan 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 telah Anda latih	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	Klasifikator lainnya	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 klastering	Clustering	Bersihkan, persiapkan, dan visualisasikan data Anda; pengantar klastering	Python • R	Jen • Eric Wanjau
15	Menjelajahi Selera Musik Nigeria 🎧	Clustering	Jelajahi metode klastering 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 menangani 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 Daya Dunia ⚡️ - peramalan deret waktu dengan ARIMA	Time series	Peramalan deret waktu dengan ARIMA	Python	Francesca
23	⚡️ Penggunaan Daya 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	Reinforcement learning Gym	Python	Dmitry
Catatan	Skenario dan aplikasi ML di dunia nyata	ML in the Wild	Aplikasi dunia nyata yang menarik dan mengungkap dari ML klasik	Pelajaran	Tim
Catatan	Debugging Model dalam ML menggunakan dasbor RAI	ML in the Wild	Debugging model dalam Machine Learning menggunakan komponen dasbor Responsible AI	Pelajaran	Ruth Yakubu

temukan semua sumber 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, dan kemudian di folder root repo ini, ketik docsify serve. Situs web akan disajikan pada port 3000 di localhost Anda: localhost:3000.

Berkas PDF

Temukan file pdf kurikulum dengan tautan di sini.

🎒 Kursus Lainnya

Tim kami membuat kursus lain! Lihat:

LangChain

---

Azure / Edge / MCP / Agen

---

Seri AI Generatif

---

Pembelajaran Inti

---

Seri Copilot

Mendapatkan Bantuan

Jika Anda mengalami kebingungan 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 masukan produk atau menemukan kesalahan saat membangun, kunjungi:

---

Penafian: Dokumen ini telah diterjemahkan menggunakan layanan terjemahan AI Co-op Translator. Meskipun kami berusaha mencapai ketepatan, harap diketahui bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidaktepatan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang otoritatif. Untuk informasi yang bersifat krusial, disarankan menggunakan jasa penerjemah profesional. Kami tidak bertanggung jawab atas kesalahpahaman atau salah tafsir yang timbul dari penggunaan terjemahan ini.