SERIES: PENGANTAR MACHINE LEARNING

Post 1: Pengenalan Machine Learning

Rasional: Fondasi konseptual yang koheren

1 Definisi machine learning

2 Perbedaan ML dengan pemrograman konvensional

3 Mengapa ML dibutuhkan dalam sains data

4 Anatomi Pipeline Machine Learning

4.1 Gambaran end-to-end: dari raw data → model → deployment

4.2 Tahapan utama: data collection, preprocessing, training, evaluation, deployment

5 Jenis-jenis Data dalam ML

5.1 Structured vs unstructured data

5.2 Tabular, time series, text, image, audio

6 Peran Statistika dan Matematika dalam ML

6.1 Konsep probabilitas dasar

6.2 Linear algebra sederhana (vektor, matriks)

Post 2: Supervised Learning

Rasional: Fokus pada satu paradigma dengan aplikasi konkret