Data Science Academy Camp 2: Down the Rabbit Hole of Machine Learning
COMPFEST 14, Depok — Camp 2 Data Science Academy (DSA) telah dilaksanakan pada 8 Agustus 2022 sampai dengan 13 Agustus 2022 yang diselenggarakan secara daring melalui platform Zoom. Camp ini dihadiri oleh Rendi Chevi, selaku AI Research Scientist dari Kata.ai. Penasaran dengan keseruan di Camp 2 DSA? Yuk simak keseruannya!
Day 1 — The Overview
Hari pertama dimulai dengan sambutan dari para MC yang dilanjuti oleh pemberian materi oleh Rendi Chevi tentang “Introduction to Machine Learning”. Pertama-tama, Kak Rendi memberi gambaran tentang machine learning beserta roadmap tentang apa yang akan dibahas selama Camp 2 dari DSA, lalu Kak Rendi memberi suatu diagram venn tentang keterkaitan antara machine learning dan artificial intelligence yang memunculkan suatu submateri, yaitu deep learning.
Selanjutnya, Kak Rendi memberi penjelasan secara rinci terkait berbagai tipe-tipe learning dalam machine learning seperti supervised learning, unsupervised learning, dan deep learning. Menurut Kak Rendi, tipe learning yang paling sering digunakan dan krusial untuk servis sehari-hari adalah supervised learning. Lalu, Kak Rendi menjelaskan secara dasar terkait perbedaan dari unsupervised learning dan supervised learning. Setelah Kak Rendi selesai dengan tipe-tipe learning, Kak Rendi menjelaskan tentang tiga komponen utama machine learning, yaitu dataset, model, dan criterion. Selanjutnya Kak Rendi memberi gambaran, penjelasan detail, beberapa model matematikanya, dan contoh dari setiap komponen utama tersebut menggunakan masalah sehari-hari.
Sebelum berakhirnya hari pertama dari Camp 2, Academy menghadirkan sesi tanya jawab antara peserta dan Kak Rendi yang dilanjutkan oleh sesi hands-on, sesi foto, dan akhirnya penutupan oleh para MC.
Day 2 — Unsuperficial Supervised Learning
Hari kedua juga diisi dengan pemberian materi oleh Rendi Chevi. Pada hari kedua, Kak Rendi memberi materi terkait “Supervised Learning”.
Hari kedua dimulai dengan pemberian ulang gambaran tentang supervised learning yang sudah dijelaskan oleh Kak Rendi pada hari pertama Camp 2 DSA. Kak Rendi memulai sesi materi dengan memberi dua cara supervised learning, yaitu regression, dan classification. Perbedaan dari keduanya hanyalah pada data tipe apakah yang akan dikerjakan. Untuk regression data yang dikerjakan adalah adalah yang bersifat kontinu, sedangkan classification data yang dikerjakan adalah data yang bersifat diskret.
Setelah itu, Kak Rendi menjelaskan tentang perceptron, suatu contoh model dari supervised learning yang dimana model itu adalah salah satu dari tiga komponen utama machine learning. Perceptron adalah suatu model serbaguna yang menjadi pondasi artificial neural networks. Setelah pemberian gambaran tentang perceptron, Kak Rendi memberi berbagai model, fungsi, dan contoh matematik terkait cara kerja perceptron dan penggunaannya. Salah satu fungsi dari perceptron yang Kak Rendi tampilkan adalah activation function, yang berfungsi untuk memperkenalkan model ke sifat non-linearitas yang berfungsi untuk mengubah hasil data dari bentuk numerik kedalam bentuk probabilitas.
Seperti biasa, setelah sesi materi selesai dilanjutkan oleh sesi hands-on. Pada sesi hands-on hari kedua, para peserta diberi berbagai contoh penggunaan perceptron model untuk memvisualisasi berbagai kumpulan angka menjadi bentuk kumpulan piksel hitam putih yang dibedakan oleh tingkat kegelapan setiap piksel. Terakhir, hari kedua dari Camp 2 DSA diakhiri dengan sesi tanya jawab, sesi foto-foto, dan penutupan oleh para MC.
Day 3 — Unsupervised Learning and its Intricacies
Pada hari ketiga dari Camp 2 DSA, materi yang disampaikan terkait “Unsupervised Learning” yang dibawakan oleh Rendi Chevi.
Sesi materi hari ketiga dimulai dengan memberi gambaran tentang 3 task umum yang dapat dilakukan tanpa pengawasan, yaitu dimensionality reduction, clustering, dan density estimation. Dimensionality reduction, yaitu suatu task untuk mengubah dimensi suatu data dari tinggi ke rendah sambil tetap mempertahankan kualitas data. Clustering, yaitu suatu task untuk memecah dan mengelompokkan suatu dataset kedalam berbagai cluster yang unik antar satu sama lain. Density estimation, yaitu suatu task yang berfungsi untuk memperkirakan probabilitas kepadatan suatu data dalam dataset.
Setelah itu, Kak Rendi memberi ilustrasi dan aplikasi-aplikasi setiap task tersebut. Contohnya, dimensionality reduction dan clustering yang dapat dipakai untuk data exploration and analysis, high-dimensional data visualization, feature extraction for downstream tasks, dan data compression.
Selanjutnya, Kak Rendi memberi hands-on untuk setiap task unsupervised learning dimana para peserta diberi berbagai contoh sederhana untuk setiap task yang dapat diilustrasikan secara mudah. Terakhir, hari ketiga dari Camp 2 DSA diakhiri dengan sesi tanya jawab, sesi presentasi oleh salah satu peserta, sesi foto, dan penutupan oleh para MC.
Day 4 — Digging Deeper Into Deep Learning
Hari terakhir Camp 2 diawali dengan Kak Rendi mereferensi suatu kursus dari Massachusetts Institute of Technology (MIT), yaitu “Introduction to Deep Learning” oleh Alexander Amini. Menurut Kak Rendi, kursus ini sangat bagus karena kursus ini merupakan salah satu kursus online serta gratis yang materi deep learning-nya mencakup contoh-contoh modern yang diselesaikan dengan cara modern.
Sesi materi hari terakhir dimulai dengan memberi ilustrasi timeline tentang pengembangan deep learning, lalu Kak Rendi mengingatkan ulang tentang beberapa materi hari-hari sebelumnya yang dipakai pada sesi hari ini, seperti perceptron dan activation functions. Setelah itu, Kak Rendi menggali lebih dalam tentang perceptron, terutama tentang bagaimana cara pembuatan neural network menggunakan perceptron. Setelah itu Kak Rendi memberi berbagai metode matematika yang sangat membantu dalam deep learning, yaitu quantifying loss, loss optimization, gradient descent, dan backpropagation.
Setelah itu, Kak rendi melanjuti dengan sesi hands-on berupa penggunaan perceptron yang lebih rumit untuk mengasah pemahaman peserta. Setelah itu, para peserta diberi waktu istirahat lalu dikelompokkan dan diberi waktu untuk melakukan suatu case study yang berhubungan dengan semua materi yang telah dipelajari selama Camp 2. Terakhir, Data Science Academy Camp 2 ditutup dengan pembahasan sesi case study, sesi foto, dan salam perpisahan dari para MC.
Interview Time
Setelah rangkaian Camp 2 Selesai, kami mendapatkan kesempatan untuk mewawancarai Kak Rendi Chevi selaku AI Research Scientist di Kata.ai. Kak Rendi membagikan pengalamannya terkait mengapa ia memilih untuk menempuh karir sebagai AI Research Scientist. Pada awalnya Kak Rendi sangat tertarik pada aspek modelling dari machine learning dan data science. Kak Rendi juga memberi nasihat bahwa jika ada yang ingin menempuh karir menjadi data scientist lebih baik mencari suatu minat dalam suatu bidang spesifik terkait data science, dibanding hanya berminat pada data science secara keseluruhan.
Selain Kak Rendi, kami juga berkesempatan untuk mewawancarai salah satu peserta DSA, yaitu Jechonias dari tim Kuki. Menurut Jechonias, salah satu hal yang paling berkesan setelah mengikuti DSA adalah pengalaman bertemu dengan teman-teman, mentor-mentor, dan orang-orang profesional yang minatnya sama dengannya. Setelah mengikuti Academy, Jechonias berencana untuk membuat portofolio pribadi dari pengalamannya, lalu ia juga ingin mengasah kemampuannya serta mengembangkan potensinya dalam bidang data science.
Masih banyak keseruan lainnya di COMPFEST! Terus pantau informasi mengenai keseruan acara COMPFEST lainnya dengan mengikuti media sosial kami di Twitter, Instagram, Facebook, LinkedIn, serta situs kami di compfest.id. Untuk keseruan Academy lainnya, baca artikel selengkapnya di laman Medium kami. (Editorial Marketing/Dylan)
