Kategori: Artikel

Neo4j: Mulai Belajar

Setelah membaca cerita sekilas, apakah sudah mulai tertarik dengan Neo4J? Mungkin Anda masih bingung mulai dari mana, artikel ini kami coba buat untuk memandu Anda mulai mempelajari dan menerapkannya.

Pasang atau Gunakan Sandbox

Bila memang ingin pengalaman lebih silakan unduh Neo4J dari halaman unduhannya sesuai dengan platform yang Anda miliki. Kami sendiri menggunakan platform Docker yang tidak terdapat pada unduhan tersebut namun sudah tersedia dalam Docker Hub dan siap dipakai.

Bila tidak ingin memasang di mesin pribadi bisa gunakan sandbox yang disediakan oleh pengembang.

Lanjutkan membaca “Neo4j: Mulai Belajar”

Data Science dalam Bahasa Pemrograman

Bulan lalu, Tekla Perry menuliskan artikel “What Programming Languages Do You Need to Work in Data Science?” di Spectrum/IEEE. Artikel ini mungkin bisa dijadikan salah satu rujukan bila ingin masuk ke dunia Data Science atau merekrut seorang data scientist.

Skill-set Data Science

Dalam artikel tersebut terdapat grafik yang menunjukkan kebutuhan skill-set yang diminta perusahaan saat mempekerjakan seorang data scientist melalui Indeed. Grafik tersebut dengan jelas mengeluarkan kebutuhan akan bahasa pemrograman Python karena dianggap skill yang tidak spesifik untuk data science. Python sendiri menduduki peringkat 3 (tiga) dalam kebutuhan skill teknologi secara umum.

Lanjutkan membaca “Data Science dalam Bahasa Pemrograman”

KMeans untuk Pengklasteran dengan R

Metode pengklasteran merupakan salah satu metode pembelajaran mesin yang cukup matang dan paling umum digunakan dalam melakukan eksplorasi data. Tanpa mengetahui apapun mengenai data, kita dapat mengelompokkan data berdasarkan nilai masing-masing variabel. Salah satu algoritma yang digunakan adalah KMeans yang dalam R ada dalam paket stats.

Untuk menerapkan K-Means, ada beberapa hal yang perlu diperhatikan dalam menggunakan algoritma ini dengan R.

Argumen Fungsi KMeans

Berikut argumen yang diperlukan dalam menjalankan fungsi ini.

kmeans(x, centers, iter.max = 10, nstart = 1,
       algorithm = c("Hartigan-Wong", "Lloyd", "Forgy",
                     "MacQueen"), trace=FALSE)
## S3 method for class 'kmeans'
fitted(object, method = c("centers", "classes"), ...)
Lanjutkan membaca “KMeans untuk Pengklasteran dengan R”