Skip to content

WiraDKP/supervised_learning

Repository files navigation

Supervised Learning by J.COp

Belajar dasar-dasar machine learning dari nol. Untuk fase pertama, kita akan mempelajari teknik-teknik supervised learning menggunakan scikit-learn dan jcopml.

Starter Guide

Step 1: Download materi

  • Klik disini untuk Download ZIP, atau
  • Bagi yang familiar dengan git, boleh menggunakan clone
    git clone https://github.com/WiraDKP/supervised_learning.git
    

Step 2: Instalasi Miniconda

Windows user

  • Download miniconda untuk Python 3.7

    • Klik link ini untuk download: Miniconda Windows 64-bit
    • Note: skip step ini apabila kamu sudah menggunakan Anaconda sebelumnya. Walau demikian, saya akan jelaskan alasan kenapa kamu sebaiknya menggunakan miniconda nanti di course ini.
  • Install miniconda

    • Ketika ada pilihan install for, pilih Just Me (recommended)
    • Untuk Advanced Options, silahkan centang Register Anaconda as my default Python 3.7
    • Tunggu hingga instalasi selesai
  • Jalankan Anaconda Prompt

Mac user

  • Download miniconda untuk Python 3.7

    • Klik link ini untuk download: Miniconda Mac OS X 64-bit
    • Note: skip step ini apabila kamu sudah menggunakan Anaconda sebelumnya. Walau demikian, saya akan jelaskan alasan kenapa kamu sebaiknya menggunakan miniconda nanti di course ini.
  • Install miniconda

    • Install tanpa mengubah opsi apapun
    • Tunggu hingga instalasi selesai
  • Jalankan terminal

Linux user

  • Download miniconda untuk Python 3.7

    • Klik link ini untuk download: Miniconda Linux 64-bit
    • Note: skip step ini apabila kamu sudah menggunakan Anaconda sebelumnya. Walau demikian, saya akan jelaskan alasan kenapa kamu sebaiknya menggunakan miniconda nanti di course ini.
  • Install miniconda

    • jalankan terminal
    • Install miniconda menggunakan command berikut
      bash Miniconda3-py39_23.3.1-0-Linux-x86_64.sh
      
    • Ketik yes untuk agree dengan license nya, kemudian yes lagi untuk prepend miniconda install location to PATH
    • Tunggu hingga instalasi selesai
  • hanya untuk memastikan, tutup dan buka terminal lagi

Step 3: Instalasi Jupyter

  • Kita akan install 2 hal di base environment
    conda install -n base -c conda-forge jupyter nb_conda_kernels "notebook<6.0" 
    

Step 4: Instalasi Environment

  • Change directory cd ke folder kerja ini
    cd supervised_learning/
    
  • Jalankan command ini untuk menginstall environment jcopml
    conda env create -f env_jcopml.yml
    

Step 5: Memastikan environment terinstall dengan baik

  • Jalankan command berikut untuk mengecek instalasi dan ikuti instruksi yang dihasilkan
    python check_installation.py
    
  • Jika sudah aman, maka akan muncul keterangan berikut, dan kita bisa mulai belajar. Semangat!
    ✓ jupyter telah terinstall dengan baik
    ✓ nb_conda_kernels telah terinstall dengan baik
    ✓ Environment jcopml terdeteksi
    ✓ Package telah terinstall dengan baik di dalam environment jcopml
    ✓ Instalasi berjalan dengan baik. Selamat belajar!
    

Note

Notebook versi 7.x breaking (hampir) semua extension yang ada, salah satunya "Snippets Menu" yang banyak digunakan di course. Jika masih ingin menggunakan "Snippets Menu" maka mesti downgrade ke Notebook 5.x dengan command berikut

>> conda install -n base -c conda-forge jupyter nb_conda_kernels 
>> pip install notebook==5.7.11

Kalau tab nbextensions nya tidak muncul atau misalnya sudah muncul tapi isinya kosong. Coba jalankan ini di conda prompt / terminal nya

>> jupyter contrib nbextension install --user
>> jupyter nbextension enable varInspector/main

Walau demikian, projek nbextensions sudah terlihat mati suri karena migrasi Notebook 7.x sehingga cepat lambat saya sarankan juga untuk move on (meninggalkan Jupyter Notebook dan pindah menggunakan Jupyter Lab). Di versi jcop yang lebih baru ada sediakan snippets yang bisa digunakan di Jupyter Lab, Jupyter Notebook, dan Jupyter VS Code.

About

My FREE supervised learning online course for everyone

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published