Ide Portfolio Machine Learning & Contoh Projectnya
Saat ini machine learning semakin banyak digunakan di berbagai dunia industri, bahkan kamera smartphone sudah banyak mengadopsi teknologi ini untuk mengembangkan fitur yang lebih baik. Fenomena ini menyebabkan profesi yang berkaitan dengan machine learning seperti data scientist dan AI developer semakin banyak dicari oleh perusahaan, terutama perusahaan yang menggunakan IT. Kabar baiknya, untuk mempelajari machine learning, kita tidak harus mengikuti kelas formal yang memerlukan waktu bertahun-tahun. Kita bisa belajar machine learning dari berbagai sumber, mulai dari ebook, buku cetak, youtube, bootcamp, hingga kursus.
Machine learning adalah ilmu yang memerlukan kemampuan teknikal yang mumpuni karena akan banyak berhadapan dengan case dan kondisi data yang berbeda-beda. Oleh karena itu, sebelum terjun di dunia machine learning, kita harus banyak berlatih menggunakan berbagai project machine learning. Project-project ini nantinya juga bisa digunakan sebagai portfolio yang akan sangat berguna ketika terjun di dunia profesional. Dengan banyaknya data open source yang dapat diakses melalui internet, maka semakin banyak pula project yang bisa kita eksplorasi dan kerjakan.
Pada artikel kali ini kita akan membahas ide-ide fresh yang bisa digunakan sebagai portfolio machine learning beserta contoh penerapannya. Penasaran apa saja ide-ide tersebut? Yuk kita simak bersama!
1. Prediksi Nilai Rumah
Project ini adalah project machine learning yang cocok untuk siswa tahun terakhir. Kita bisa menggunakan dataset Zillows Economics untuk membuat model prediksi harga rumah dengan XGBoost berdasarkan faktor-faktor seperti pendapatan rata-rata, tingkat kejahatan, jumlah rumah sakit, jumlah sekolah, dan variabel lainnya. Dengan project ini ada banyak pertanyaan yang bisa kita eksplorasi, seperti negara teratas dengan Nilai sewa tertinggi, di negara bagian mana seseorang harus membeli atau menyewa rumah, Zestimate per kaki persegi, harga sewa rata-rata untuk semua rumah, dan lain sebagainya. Dataset yang bisa kita gunakan dapat diakses pada link ini.
Baca juga : Yuk Kenali Macam-Macam Algoritma Machine Learning!
2. Prediksi Penjualan
Jika kamu adalah seorang pemula, kamu harus mengerjakan ide project machine learning yang berbeda untuk mendiversifikasi keahlianmu. Salah satu project yang dapat membantumu ‘berkenalan’ dengan algoritma machine learning bertipe unsupervised learning adalah dengan mengerjakan project prediksi penjualan toko swalayan BigMart. Dataset penjualan BigMart terdiri dari data penjualan 2013 untuk 1559 produk di 10 outlet berbeda di berbagai kota. Tujuan dari proyek ini adalah membangun model regresi untuk memprediksi penjualan masing-masing dari 1559 produk untuk tahun berikutnya di masing-masing dari 10 outlet BigMart yang berbeda. Dataset penjualan BigMart juga terdiri dari atribut tertentu untuk setiap produk dan toko. Model ini membantu BigMart memahami properti produk dan toko yang berperan penting dalam meningkatkan penjualan mereka secara keseluruhan. Dataset ini dapat kamu akses secara gratis pada tautan ini.
3. Sistem Rekomendasi Musik
Project ini adalah salah satu project machine learning paling populer dan dapat digunakan di berbagai domain. Dalam proyek ini, kamu menggunakan kumpulan data dari layanan streaming musik terkemuka di Asia untuk membangun sistem rekomendasi musik yang lebih baik. Kamu bisa mencoba menentukan lagu baru atau artis baru mana yang mungkin disukai pendengar berdasarkan pilihan mereka sebelumnya. Tujuan utama dari project ini adalah memprediksi kemungkinan users mendengarkan lagu secara berulang dalam jangka waktu tertentu. Dataset terdiri dari lagu yang pernah didengar oleh users mana dan pada jam berapa. Kita bisa menggunakan algoritma klasifikasi untuk menyelesaikan project klasifikasi ini dan sebagai tantangan, kamu bisa mengeksplorasi project ini menggunakan algoritma neural network. Dataset untuk project ini dapat kamu akses di sini.
4. Memprediksi Kualitas Wine
Fakta yang telah umum diketahui mengenai wine adalah bahwa semakin tua wine, maka semakin enak rasanya. Namun, ada beberapa faktor selain usia yang masuk ke dalam sertifikasi kualitas wine yang meliputi tes fisikokimia seperti jumlah alkohol, keasaman tetap, keasaman volatil, penentuan kepadatan, pH, dan lain sebagainya. Psst, kita bisa mencoba memprediksi kualitas wine dengan model machine learning dengan mengeksplorasi berbagai sifat kimianya, loh!
Dataset kualitas wine yang akan kita gunakan terdiri dari 4898 observasi dengan 11 variabel independen dan 1 variabel dependen. Setelah menggunakan teknik visualisasi data, kita juga akan mencari tahu ruang variabel fitur yang akan berfungsi sebagai masukan untuk model machine learning. Dataset yang bisa digunakan dapat diakses di sini.
Baca juga : Kenali Algoritma Klasifikasi Machine Learning Terpopuler di Tahun 2021
Model machine learning sangat berguna untuk berbagai bidang industri. Banyak perusahaan mulai mencari sumber daya manusia yang memahami machine learning bahkan artificial intelligence. Data science memiliki peluang kerja yang sangat tinggi karena kebutuhannya akan terus bertambah sedangkan sumber daya manusia yang ada belum memenuhi kebutuhakn tersebut.
Yuk perdalam pemahaman algoritma machine learning bersama DQLab untuk bersaing di industri data science! Klik button di bawah ini atau sign up melalui DQLab.id untuk mengakses modul gratis ‘Introduction to Data Science’ dengan R dan Python dan mulai learning journey-mu bersama DQLab.
Penulis: Galuh Nurvinda K