Apa yang akan Anda pelajari?
-
Analisis dan Pemahaman Data
-
Analisis Univariat dan Bivariat
-
Persiapan data
-
Model Building menggunakan XGBoost untuk memprediksi harga mobil.
-
Evaluasi Model
-
Memprediksi variabel penting yang mengarah ke harga mobil menggunakan XGBoost
-
Menjalankan model di Server Streamlit lokal
-
Mendorong buku catatan dan file proyek Anda ke repositori GitHub
-
Menyebarkan proyek di Heroku Cloud Platform
Persyaratan
-
Pengetahuan yang sangat dasar tentang Python
-
Keakraban dengan Github
Keterangan
Kursus ini tentang memprediksi harga mobil berdasarkan fitur-fiturnya menggunakan Model Pembelajaran Mesin . Ini adalah proyek langsung di mana saya akan mengajari Anda proses langkah demi langkah dalam membuat dan mengevaluasi model pembelajaran mesin dan akhirnya menerapkan yang sama di platform Cloud untuk memungkinkan pelanggan Anda berinteraksi dengan model Anda melalui antarmuka pengguna.
Kursus ini akan memandu Anda melalui awal eksplorasi data dan pemahaman , analisis data, penyusunan data, model bangunan dan evaluasi dan teknik penyebaran . Kami akan menggunakan algoritma XGBoost untuk membuat model kami yang membantu kami dalam memprediksi harga mobil berdasarkan fitur-fiturnya.
Pada akhirnya kita akan belajar membuat Antarmuka Pengguna untuk berinteraksi dengan model yang kita buat dan akhirnya menerapkan yang sama di Cloud.
Saya telah membagi dan memisahkan seluruh kursus dalam Tugas di bawah ini, untuk memudahkan pemahaman tentang apa yang akan dibahas.
Tugas 1: Menginstal Paket.
Tugas 2: Mengimpor Perpustakaan.
Tugas 3: Memuat data dari sumber.
Tugas 4: Pemahaman Data
Tugas 5: Pembersihan Data
Tugas 6: Melakukan analisis univariat pada variabel.
Tugas 7 : Melakukan Analisis Bivariat pada Variabel.
Tugas 8 : Data binning untuk mengubah variabel numerik menjadi variabel kategori.
Tugas 9 : Menemukan korelasi antar fitur dan membuat plot di HeatMap.
Tugas 10 : Membuat plot scatter plot.
Tugas 11: Memvisualisasikan distribusi data lintas variabel.
Tugas 12 : Analisis Outlier.
Tugas 13 : Melakukan One Hot Encoding untuk mengonversi fitur kategorikal menjadi fitur numerik.
Tugas 14 : Melatih Test Split.
Tugas 15 : Menskalakan variabel menggunakan StandardScaler.
Tugas 16 : Membuat model XGBoostRegression dengan parameter default.
Tugas 17 : Penyetelan Hyperparameter menggunakan RandomizedSearchCV.
Tugas 18 : Membangun model XGBRegression dengan hyperparameter yang dipilih.
Tugas 19 : Evaluasi Model – Menghitung skor R2
Tugas 20 : Evaluasi Model – Membuat plot sebar dari nilai aktual dan prediksi.
Tugas 21 : Mengekstrak fitur yang paling penting dan koefisiennya.
Tugas 22 : Apa itu Streamlit dan langkah-langkah Instalasi.
Tugas 23 : Membuat antarmuka pengguna untuk berinteraksi dengan model yang kita buat.
Tugas 24 : Cara menjalankan notebook Anda di Streamlit Server di mesin lokal Anda.
Tugas 25 : Mendorong proyek Anda ke repositori GitHub.
Tugas 26 : Penerapan Proyek di Platform Heroku secara gratis.
Analisis Data, Pembuatan Model, dan Penerapan adalah salah satu keterampilan yang paling dibutuhkan di abad ke-21. Ikuti kursusnya sekarang, dan dapatkan pemahaman yang lebih kuat tentang analisis data, pembelajaran mesin, dan penerapan.
Untuk siapa kursus ini:
- Pelajar dan profesional yang ingin mempelajari Analisis Data, Persiapan Data untuk pembuatan model, Pembuatan Model, Evaluasi, dan Penerapan model di Cloud.
- Pelajar dan profesional yang ingin berinteraksi secara visual dengan model yang mereka buat.
- Profesional yang tahu cara membuat model tetapi ingin menerapkan model mereka di platform cloud.
