DATA SCIENCE AND MACHINE LEARNING : CHAPTER 2
Kita memasuki chapter dua 😊
Intro panjang sebelumnya (chapter intro) menyisakan pertanyaan-pertanyaan yang bikin dahi berkerut.
Kalau gak ingat, kita phrase ulang. Bunyinya seperti ini:
Untuk menjawab semuanya, disinilah data science menjadi kunci yang bisa membuat informasi-informasi ini berguna.
Dengan kata lain, data science adalah seni percekcokan data untuk memprediksi perilaku masa depan kita. Dengan data science, kita bisa mengungkapkan pola untuk membantu memprioritaskan atau memberikan informasi yang dapat ditindaklanjuti, atau menarik makna dari data yang luas.
Untuk definisi ilmiah, data science adalah ilmu pemrosesan dan analisis data yang kita hasilkan untuk berbagai wawasan yang akan melayani berbagai tujuan.
Misalnya, ketika kita sedang belanja online di e-commerce, kita menjelajahi beberapa produk dan kategori, jejak-jejak kita tersebut terekam dan secara otomatis menjadi informasi atau sebuah data. Data ini digunakan oleh data scientist (baca: orang-orang yang bergelut di dunia data science , dalam kasus ini pegawainya perusahaan e-commerce) untuk memahami perilaku kita. Lalu kemudian e-commerce memasang iklan yang relatable sama hal-hal yang biasa kita cari, hingga kita membeli benda yang ditawarkan e-commerce tersebut.
Kayak, aku pengen beli sepatu, kemudian muncul promo toko lain yang menjual sandal dengan diskon atau modelnya lucu dengan harga terjangkau. Aku tergugah 😲, selain beli sepatu juga sekalian beli sandal. Bisnisnya berhasil. Yay buat e-commerce!
Ini adalah salah satu implementasi yang paling sederhana dari data science dan teruuus semakin kompleks dalam konsep seperti “taruh di keranjang” dan banyak lagi.
Data Science melibatkan beberapa proses, diantaranya:
• Data extraction
• Data Cleansing
• Data Analysis
• Data Visualization
• dan wawasan-wawasan lain
Seorang data scientist bertanggung jawab untuk selalu menjadi sekritis mungkin dan harus terus bertanya-tanya untuk membuat koneksi bisnis yang lebih hebat dari sebelumnya. Karena, banyak sekali wawasan yang tidak ketahui dalam kumpulan data. Dan teknologi data science-lah yang memberi penerangan baru pada bidang-bidang seperti customer behaviour, operational shortcomings, siklus supply-chain, analisis prediktif, dan banyak lagi. Data science itu krusial bagi perusahaan untuk mempertahankan pelanggan mereka dan posisi mereka di industri pasar.
Maka, data mense, look carefully:
Data science merupakan konsep yang jauh lebih luas daripada machine learning. Penerapan machine learning adalah salah satu aspek data science. Secara umum, data science adalah ilmu untuk memperoleh pengetahuan dari data. Tugas machine learning, adalah membantu data science dengan menyediakan serangkaian algoritma yang sesuai untuk pemodelan atau analisis data. Kemudian, data science menyatukan banyak ide atau algoritma yang diambil untuk dilatih (training) dari machine learning untuk menciptakan solusi. Untuk melakukan itu, data science meminjam banyak ide dari statistika tradisional, dan matematika dasar.
Dengan ini, data science adalah proses penyelesaian suatu kasus, memberikan solusi yang sesuai, sementara machine learning adalah roda penggerak penting dalam menemukan solusi tersebut.
Hah? Gimana? Apa itu machine learning??
Pembahasan machine learning lanjut di chapter tiga yaa 😊
Intro panjang sebelumnya (chapter intro) menyisakan pertanyaan-pertanyaan yang bikin dahi berkerut.
Kalau gak ingat, kita phrase ulang. Bunyinya seperti ini:
hal ini (baca: memanfaatkan teknologi dengan data) bisa bikin kita struggle juga untuk mengetahui memulai dari mana agar bisa paham betul informasi-informasi yang ada agar bisa digunakan secara maksimal. Data apa yang harus dikumpulkan? Metode apa yang ada? Pertimbangannya apa? Dan yang paling penting, bagaimana kita mendapatkan jawaban dari data untuk menjawab pertanyaan yang mendesak untuk kehidupan kita?
Untuk menjawab semuanya, disinilah data science menjadi kunci yang bisa membuat informasi-informasi ini berguna.
Dengan kata lain, data science adalah seni percekcokan data untuk memprediksi perilaku masa depan kita. Dengan data science, kita bisa mengungkapkan pola untuk membantu memprioritaskan atau memberikan informasi yang dapat ditindaklanjuti, atau menarik makna dari data yang luas.
Untuk definisi ilmiah, data science adalah ilmu pemrosesan dan analisis data yang kita hasilkan untuk berbagai wawasan yang akan melayani berbagai tujuan.
Misalnya, ketika kita sedang belanja online di e-commerce, kita menjelajahi beberapa produk dan kategori, jejak-jejak kita tersebut terekam dan secara otomatis menjadi informasi atau sebuah data. Data ini digunakan oleh data scientist (baca: orang-orang yang bergelut di dunia data science , dalam kasus ini pegawainya perusahaan e-commerce) untuk memahami perilaku kita. Lalu kemudian e-commerce memasang iklan yang relatable sama hal-hal yang biasa kita cari, hingga kita membeli benda yang ditawarkan e-commerce tersebut.
Kayak, aku pengen beli sepatu, kemudian muncul promo toko lain yang menjual sandal dengan diskon atau modelnya lucu dengan harga terjangkau. Aku tergugah 😲, selain beli sepatu juga sekalian beli sandal. Bisnisnya berhasil. Yay buat e-commerce!
Ini adalah salah satu implementasi yang paling sederhana dari data science dan teruuus semakin kompleks dalam konsep seperti “taruh di keranjang” dan banyak lagi.
Data Science melibatkan beberapa proses, diantaranya:
• Data extraction
• Data Cleansing
• Data Analysis
• Data Visualization
• dan wawasan-wawasan lain
Seorang data scientist bertanggung jawab untuk selalu menjadi sekritis mungkin dan harus terus bertanya-tanya untuk membuat koneksi bisnis yang lebih hebat dari sebelumnya. Karena, banyak sekali wawasan yang tidak ketahui dalam kumpulan data. Dan teknologi data science-lah yang memberi penerangan baru pada bidang-bidang seperti customer behaviour, operational shortcomings, siklus supply-chain, analisis prediktif, dan banyak lagi. Data science itu krusial bagi perusahaan untuk mempertahankan pelanggan mereka dan posisi mereka di industri pasar.
Maka, data mense, look carefully:
Data science merupakan konsep yang jauh lebih luas daripada machine learning. Penerapan machine learning adalah salah satu aspek data science. Secara umum, data science adalah ilmu untuk memperoleh pengetahuan dari data. Tugas machine learning, adalah membantu data science dengan menyediakan serangkaian algoritma yang sesuai untuk pemodelan atau analisis data. Kemudian, data science menyatukan banyak ide atau algoritma yang diambil untuk dilatih (training) dari machine learning untuk menciptakan solusi. Untuk melakukan itu, data science meminjam banyak ide dari statistika tradisional, dan matematika dasar.
Dengan ini, data science adalah proses penyelesaian suatu kasus, memberikan solusi yang sesuai, sementara machine learning adalah roda penggerak penting dalam menemukan solusi tersebut.
Hah? Gimana? Apa itu machine learning??
Pembahasan machine learning lanjut di chapter tiga yaa 😊
