GIMANA MEMULAI KARIER JADI DATA ANALYST?
Simak caranya di webinar GRATIS dan raih DOORPRIZE menarik!
DAFTAR SEKARANG!
Pendaftaran ditutup dalam 1 Hari 18 Jam 38 Menit 7 Detik 

Mengenal Azure Machine Learning, Layanan Microsoft untuk Data Science

Belajar Data Science di Rumah 24-Juli-2021
https://dqlab.id/files/dqlab/cache/56f3ebbd51f09ed26f36655c69a4556a_x_Thumbnail800.jpeg

Data Science merupakan istilah yang sudah tidak asing lagi saat ini. Banyak artikel, komunitas, hingga penelitian yang membahas data science. Machine learning adalah bagian dari data science yang juga populer saat ini. Selain dibahas dalam penelitian, machine learning juga banyak diterapkan di berbagai perusahaan. Contohnya seperti chatbot, image recognition, sistem rekomendasi produk, dan lain sebagainya. Adapun bahasa pemrograman yang sering digunakan untuk membangun machine learning yaitu Python yang bersifat open source dan memiliki berbagai library yang mendukung pembuatan machine learning.


Nama Microsoft tentu juga tidak asing terdengar karena banyak produknya yang digunakan seperti sistem operasi Windows, aplikasi Microsoft Word, Excel, Power Point, dan masih banyak lainnya. Selain produk berupa aplikasi yang dapat digunakan untuk membantu pekerjaan atau aktivitas sehari-hari, Microsoft juga memberikan layanan yang ditujukan untuk data science yaitu Azure Machine Learning yang dapat digunakan untuk melakukan analisis data secara menyeluruh. Dalam artikel ini akan membahas mengenai Microsoft Azure Machine Learning mulai dari fungsi hingga cara menggunakannya. Penasaran? Yuk, simak pembahasannya bersama dibawah ini!


1. Fungsi Azure Machine Learning

Azure Machine Learning merupakan salah satu layanan yang disediakan oleh Microsoft Azure yang berfungsi untuk mengolah dan menganalisis data yang sangat banyak melalui jaringan global serta memprediksi hasil dari kumpulan data menggunakan berbagai algoritma. Data scientist dapat menggunakan layanan Azure ini untuk membangun machine learning. Microsoft Azure dapat membantu mengolah data dengan berbagai metode dan fungsi statistik dalam machine learning. Beberapa fitur yang disediakan oleh Azure Machine Learning yaitu Machine Learning fo all skill levels, End-to-end MLOps, Responsible machine learning innovation, dan Open and interoperable. Setiap fitur memiliki fungsinya masing-masing yang bisa dilihat di situs Microsoft Azure.

Baca juga : 3 Jenis Algoritma Machine Learning yang Dapat Digunakan di Dunia Perbankan


2. Mengenal Komponen Azure Machine Learning

Azure Machine Learning memiliki tiga komponen utama yaitu compute, storage, dan fabric. Compute adalah komponen yang berfungsi mengorganisir proses komputasi secara menyeluruh yang meliputi foreground dan background. Storage adalah komponen yang berfungsi menyimpan seluruh data dengan dua jenis penyimpanan yaitu azure storage dan SQL azure. Fabric adalah komponen yang berfungsi mengatur penyimpanan pada azure yang meliputi manajemen, penjadwalan, dan lainnya.


3. Kelebihan dan Kekurangan Azure Machine Learning

Meskipun banyak fitur yang ditawarkan, Azure Machine Learning tentu tetap memiliki kelebihan dan kekurangan dalam penggunaannya. Kelebihan Azure Machine Learning diantaranya yaitu:

  • Pengguna hanya perlu membayar layanan atau fitur yang digunakan. Azure tidak memaksa pelanggan untuk memperbarui paket secara berkala agar dapat memperoleh akses fitur menyeluruh, sehingga cukup membayar paket yang dibutuhkan saat dan dapat dihapus kemudian setelah selesai digunakan.

  • Hemat biaya karena hanya membayar fitur yang digunakan dan juga hemat biaya maintenance.

  • Dapat terhubung dengan perangkat IoT

  • Terjamin keamanan datanya


Sedangkan kekurangan dari Azure Machine Learning yaitu antara lain:

  • Kecepatan akses data tergantung pada wilayah yang sudah tersedia

  • Membutuhkan ahli yang dapat mengelola data berbasis cloud


    4. Bagaimana Cara Menggunakan Azure Machine Learning?

    Step by step penggunaan Azure Machine Learning yaitu seperti berikut:

    1. Kunjungi portal Azure dan pilih Machine Learning

    2. Klik Add

    3. Masukkan nama workspace dan resource group

    4. Klik tombol Review dan Create

    5. Setelah proses deployment selesai, pilih Go to resource

    6. Klik Launch the studio di menu Experiment

    7. Kemudian akan diarahkan ke halaman baru dan klik Start Now di Notebooks

    8. Pilih ikon untuk membuat file baru kemudian isikan kolom sesuai perintah seperti nama file, tipe virtual machine, nama komputasi, dan ukuran virtual machine

    9. Tekan Create

    10. Jika sudah running, klik Edit dan pilih Jupyter untuk membuat model machine learning yang dibutuhkan.


    Baca juga : Belajar Data Science: Pahami Penggunaan Machine Learning pada Python


    5. Belajar Machine Learning Mulai dari Nol Bareng DQLab, Yuk!

    Belajar mengenai machine learning tidak bisa dilakukan secara instan. Perlu ketekunan dalam mempelajarinya dengan terus berlatih menggunakan berbagai tipe data dan model yang sesuai. Berbagai sumber seperti youtube, blog, dan buku dapat menjadi pedoman untuk belajar machine learning. Kamu juga dapat mengikuti kursus yang menyediakan modul tentang machine learning seperti DQLab. Materi yang mudah dipahami dan mentor yang ahli di bidangnya mampu membantu proses pembelajaranmu. Yuk, bergabung di DQLab/SignUp dan mulai belajar serta mempraktekkan model machine learning yang digunakan di industri!


    Penulis: Dita Kurniasari

    Editor: Annissa Widya

    Sign Up & Mulai Belajar Gratis di DQLab!