Belajar Machine
Learning Lewat
Eksperimen Interaktif
Eksplorasi algoritma, evaluasi model, visualisasi data, dan konsep AI langsung di browser tanpa instalasi.
Satu workspace untuk mengajar konsep.
Visual besar, mode fullscreen, input data manual, dan animasi sekuensial.
PCA
Pilih 2 atau 3 principal component lalu bandingkan proyeksi PCA 2D dan ruang 3D berdasarkan explained variance.
Z = XW
Optimasi
Gradient Descent
Pilih titik awal, bandingkan learning rate, dan ikuti lintasan menuju local atau global minimum.
theta <- theta - alpha * grad L
Ensemble
Random Forest
Bandingkan voting banyak pohon dan lihat boundary ensemble menjadi lebih stabil.
y = mode(h_1(x), ..., h_T(x))
Deep Learning
CNN Convolution
Edit pixel input, pilih kernel, dan lihat feature map dihitung melalui operasi konvolusi.
Y[i,j] = sum_m sum_n X[i+m,j+n] K[m,n] + b
Deep Learning
Transformer
Masukkan kalimat sendiri lalu baca Q, K, V, scaled dot-product, softmax, dan attention matrix.
Attention(Q,K,V) = softmax(QK^T / sqrt(d))V
Classification Metrics
Confusion Matrix
Klik sel matriks multi-kelas secara langsung lalu hitung accuracy, precision, recall, specificity, dan F1 score.
Accuracy = sum(diagonal) / total
Frequency Domain
FFT Spectrum
Masukkan sinyal sendiri atau pilih contoh, lalu petakan waveform menjadi spektrum FFT hingga batas Nyquist.
X[k] = sum x[n] exp(-j 2 pi kn / N)
Mulai dari bacaan yang tepat.
Ringkasan editorial, tautan sumber asli, lalu praktikkan konsepnya.
Reduksi DimensiApa Itu PCA? Reduksi Dimensi yang Bisa Kamu Coba Langsung Secara Interaktif
Pelajari PCA (Principal Component Analysis) dari nol, dari konsep hingga visualisasi 3D interaktif. Tidak perlu hafal rumus dulu.
Baca artikel →
OptimasiGradient Descent Dijelaskan: Pendekatan Visual dan Intuitif untuk Pemula
Pelajari gradient descent dari intuisi lereng, learning rate, batch versus stochastic, local minimum, hingga contoh update parameter secara visual.
Baca artikel →
EvaluasiConfusion Matrix dan Metrik Evaluasi Klasifikasi
Panduan lengkap membaca TP, FP, FN, TN, accuracy, precision, recall, specificity, sensitivity, F1 score, IoU, Dice, dan Jaccard dari confusion matrix.
Baca artikel →