DICARI! Yang Mau Belajar Data Science Disc. 96%
Belajar Data 6 BULAN Bersertifikat hanya Rp120K!

0 Hari 1 Jam 3 Menit 19 Detik

Tutorial Python: 4 Library untuk Develop Machine Learning Web Apps

Belajar Data Science di Rumah 06-Desember-2021
https://dqlab.id/files/dqlab/cache/63c7531c83a2381760be791b74f7daa8_x_Thumbnail800.png

Python memang bahasa pemrograman yang naik daun karena sering digunakan oleh para praktisi data seperti data analyst dan data scientist untuk mengolah, menganalisis dan membuat pemodelan untuk membuat suatu prediksi. Akan tetapi, salah satu keunggulan python dengan bahasa pemrograman yang sering digunakan untuk menganalisis data seperti R adalah python dapat digunakan untuk mendevelop hasil analisis kamu dalam sebuah web apps atau berbasis desktop. Tutorial python kali ini akan memperkenalkan tentang 4 library yang biasanya digunakan untuk mendevelop machine learning web apps. 


Python bukan hanya digunakan untuk Data Analysis, Artificial Intelligence (AI), Machine Learning, tapi juga sangat powerfull untuk web apps dan GUI. Diantara banyaknya library python yang powerfull dan dapat mempermudah pekerjaan, artikel ini khusus akan membahas 4 library yang biasanya digunakan untuk mendevelop machine learning web apps. Penasaran ? Yuk, simak artikel ini sampai selesai.


1. Pickle

Pickle digunakan untuk menyimpan dan membaca data ke dalam atau dari suatu file berformat .pkl. Sebagai contoh penerapan library pickle adalah ketika kamu menangani proyek text mining, pasti kamu akan melakukan pembobotan pada tiap kata yang dimiliki dengan menggunakan metode vektorisasi. Kamu dapat menggunakan pickle untuk menyimpan proses vektorisasi tersebut ke dalam format .pkl yang nantinya dapat kamu baca saat kamu melakukan proses deployment ke dalam sebuah web apps. 


Selain untuk menyimpan sekaligus membaca proses vektorisasi, tapi juga bisa untuk menyimpan dan membaca pemodelan yang telah kita buat agar memudahkan dalam proses deployment ke web apps. Mari kita perhatikan contoh dibawah ini untuk menyimpan proses atau data ke dalam bentuk file .pkl :


import pickle


pkl_filename = "file_name.pkl"

with open(pkl_filename, 'wb') as file:

    pickle.dump(filename, file)

    file.close()


Berdasarkan penggalan code program diatas, sama seperti library lainnya untuk mengaksesnya kita import pickle terlebih dahulu. Setelah itu, buat nama file yang akan dijadikan ke format .pkl. Jika kita ingin menyimpan maka perlu menambahkan argumen "wb", dimana w artinya kita akan menulis atau menyimpan dalam bentuk file dan b merujuk pada mode biner. Selanjutnya, dengan menggunakan pickle.dump () dan nama objek yang ingin disimpan. Dalam hal ini, filename adalah nama objek yang ingin disimpan. Tak terlalu berbeda dengan proses untuk menyimpan, berikut ini code untuk membaca atau meload file pickle.


pkl_filename = "file_name.pkl"

with open(pkl_filename, 'rb') as file:

    pickle_model = pickle.load(file)


Baca Juga: Belajar Python: Mengenal Array pada Bahasa Pemrograman Python


2. Flask

Flask adalah sebuah web framework yang populer untuk python atau bisa dibilang sebagai third-party dari library python yang digunakan untuk mendevelop web apps. Flask termasuk dalam micro framework yaitu ekstensinya terpisah-pisah seperti API, Database jadi harus install satu persatu. Karena terpisah-pisah sehingga membuat library ini ringan dan mudah untuk pemula. Sebelum mengimport flask ke dalam proyek kita, terlebih dahulu lakukan setting up virtual environment. Berikut ini contoh pengaksesan library flask :


from flask import Flask


app = Flask(__name__)


@app.route('/')

def hello():

    return 'Hello, World!'


Contoh tersebut sangat sederhana hanya dengan memberikan sebuah string hello world saja. Sementara @app.route bernama decorator, dimana sebuah decorator akan memodifikasi fungsi yang mengikutinya.


3. Django

Sedikit berbeda dengan flask yang ringan dengan fitur minimalis, django hadir sebagai sebuah framework full stack yang digunakan untuk membuat web apps dengan bahasa pemrograman python. Prinsip kerja django adalah DRY (Don"t Repeat Yourself) memastikan tidak ada duplikasi. Berbeda dengan flask, django tergolong framework yang aman dan otomatis memanajemen  fitur-fitur keamanan standar seperti user account management, clickjacking dan masih banyak lagi. Django sangat cocok untuk project yang membutuhkan perubahan dinamis, ini bisa jadi library pilihan kamu untuk proyek yang lebih besar yang memerlukan banyak fungsi. Untuk membuat proyek pertama dengan django kamu memerlukan virtualenv, dan pip. Setelah itu kamu bisa mengimport django dengan cara


import django


4. Scikit Learn

Scikit-Learn adalah library python yang menyediakan banyak algoritma Supervised Learning dan Unsupervised Learning. Yang dibangun diatas beberapa library lain yang mungkin sudah kamu kenal seperti, numpy, pandas, dan matplotlib. Adapun fungsionalitas yang tersedia di Scikit-Learn meliputi: Regresi, Klasifikasi, Klasterisasi, model selection dan evaluasi, preprocessing termasuk mix-max normalization, visualization, data transformations. Berikut ini contoh bagaimana cara mengakses library Scikit-Learn dalam pengklasifikasian dengan algoritma naive bayes :


from sklearn.naive_bayes import MultinomialNB


Dalam contoh diatas kita mengimplementasikan MultinomialNB algoritma Naive Bayes terhadap data yang didistribusikan secara multinomial. Sekaligus merupakan Naive Bayes klasik yang digunakan dalam klasifikasi teks. Menjadi salah satu library python yang berisi fitur-fitur lengkap, tak heran jika Scikit-Learn menjadi library python yang paling populer untuk membuat pemodelan Machine Learning, pengolahan data numerik, vektorisasi, dan sebagainya.


Baca Juga:  Array Python : Array VS List Serupa Namun Tak Sama, Yuk, Kenali Perbedaannya


5. Nikmati Modul Machine Learning Python Lengkap dengan Studi Kasus Bersama DQLab!

Dengan modul dan materi yang update, belajar machine learning python menjadi lebih mudah dan terstruktur bersama DQLab selain itu fitur live code juga akan melatih kamu dalam mengimplementasikan materi yang telah kamu pelajari. DQLab menyediakan modul-modul up-to-date dan sesuai dengan penerapan industri yang disusun oleh mentor-mentor berpengalaman dibidangnya dari berbagai unicorn, dan perusahaan besar seperti Tokopedia, DANA, Jabar Digital dan masih banyak lagi. Yuk, belajar terstruktur dan lebih interaktif cukup dengan Sign up sekarang di DQLab.id atau klik button dibawah ini untuk nikmati pengalaman belajar yang seru dan menyenangkan!


Penulis: Rian Tineges

Editor: Annissa Widya Davita






Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login