Machine Learning With Google Colaboratory

 

A. Pengantar Google Colaboratory

Google colaboratory merupakan sebuah tools baru yang dikeluarkan oleh Google Internal Research yang dibuat untuk membantu para Researcher dalam mengolah data untuk keperluan belajar maupun bereksperimen pada pengolahan data khususnya bidang Machine Learning. Google Colaboratory juga sering disebut sebagai Colab. Tools tersebut secara penggunaanya mirip seperti Jupyter Notebook dan dibuat diatas enviroounment Jupyter yang tidak memerlukan pengaturan atau setup terlebih dahulu sebelum digunakan dan berjalan sepenuhnya pada Cloud dengan memanfaatkan media penyimpanan Google Drive. Untuk mencoba Google Colaboratory sendiri pada komputer anda yang dapat diakses menggunakan link Google Colab sendiri.

Tools Colab menyediakan layanan GPUgratis kepada penggunanya sebagai backend komputasi dan dapat digunakan selama 12 jam pada suatu waktu. Dengan mengakses Google Colab yang dapat membangun aplikasi berbasis Deep Learning menggunakan pustaka poluler seperti Keras, TensorFlow, PyTorch dan OpenCV. Cara kerja colab sama seperti Jupyter Notebook. Perbedaan mendasar hanya terletak pada tools ini berjalan diatas Cloud milik Google dan menyimpan berkasnya ke dalam Google Drive. Perbedaan mendasar lainnya adalah jikap ada Jupyter Notebook hanya dapat menjalankan syntax Python dan Markdown saja maka di Google Colab ini dpat menjalankan command line langsung pada cell notebook dengan diawali tanda !.

           B. Setup Google Colaboratory

Untuk menggunakan Google Colab dengan cara menambahkan ekstensi baru ke Google Drive, anda dapat mengakses Drive pada akun google masing-masing. Langkah-langkah yang dapat dilakukan adalah sebagai berikut. 

• Pilih tombol New lalu klik More kemudian Connect more apps lalu tuliskan “colab” pada kolom search kemudian klik tombol connect.

• Jika Colab sudah terintegrasi dengan Drive, pertama Anda dapat membuat direktori baru dengan cara klik tombol New kemudian pilih Folder dan berikan nama direktori tersebut, contohnya “Colab Notebooks”.
• Buat file Notebool baru dengan cara klik kanan pada area kosong di dalam direktori yang baru dibuat. Klik kanan lalu more kemudian klik Colaboratory.

• Anda juga dapat mengakses Google Colaboratory dengan mengakses Google Colab.  Klik Google Colab – Google Search.

• Anda dapat memberikan nama file atau klik New Notebook secara langsung sehingga akan terlihat tampilan sebagai berikut. Tampilan awal dari Notebook yang telah berhasil ada buat adalah sebagai berikut.

      C. Setup GPU Pada Google Colab

            Google Colaboratory menyediakan GPU gratis untuk penggunaanya. Untuk menggunakan layanan GPU gratis tersebut, anda dapat mengikuti langkah-langkah berikut ini:

• Pada Colab, klik menu Edit, kemudian Klik Notebook Settings lalu ubah menjadi “Hardware Acceleration” menjadi GPU.

      D. Running Kode Pada Google Colaboratory

      Setelah proses setup selesai, anda dapat mencoba beberapa operasi tipe data dasar. Contoh codinganny sebagai berikut:

• Untuk menjalankan perintah di atas anda dapat menekan tombol bagian kiri cell untuk menjalankan perintah atau dapat juga dengan shortcut Ctrl+Enter.

 

E. Library Python Untuk Machine Learning

            Ada beberapa library yang sering digunakan pada Machine Learning. Library tersebut harus dipahami jika sedang mengolah data, ataupun ketika Anda menginginkan untuk menjadi seorang Data Scientis. Berikut merupakan library yang sering digunakan untuk machine learning:

1)    Numpy

Numpy adalah sebuah package yang bekerja pada bahasa pemograman python. Numpy merupakan kependekan dari Numerical Python. Seperti pada namanya numpy biasa digunakan untuk mengolah data numerik/saintifik. Data yang diolah dapat berupa multidimensional array. Pada awalnya Jim Hugunin mengembangkan Numeric, nenek moyang dari Numpy.

• Numpy, merupakan library matematika untuk bekerja dengan array n-dimensional  dalam Python.
• Numpy untuk melakukan perhitungan secara efisien dan efektif.
• Numpy lebih baik daripada python biasa karena kemampuannya yang luar biasa.   
• Misalnya, untuk bekerja dengan array, kamus, fungsi, tipe data, dan bekerja dengan gambar.

2)      SciPy

SciPy adalah perangkat lunak sumber teruka berisi kumpulan algoritma dan fungsi matematika untuk bahasa pemrograman Python.

• SciPy adalah kumpulan algoritma numerik dan toolbox domain spesifik, termasuk sinyal    pemrosesan, optimisasi, statistik, dan banyak lagi.
• SciPy adalah library yang baik untuk perhitungan ilmiah dan berkinerja tinggi.

3)      Matplotlib

Matplotlib adalah suatu library yang low-level untuk membangun objek visual. Artinya, low-level bukan berarti jelek tetapi llow-level tersebut memberikan control sampai ke komponan-komponen kecilnya. Misalkan ketika membuat mobil, akan di kontrol sampai pembuatan ke baut-bautnya.

• Matplotlib adalah library paket plot yang sangat populer yang menyediakan plot 2D dan juga plot 3D.
• Matplotlib dapat digunakan di dalam script Python, shell Python dan ipython (ala MATLAB or Mathematica), server aplikasi web.
• Dengan Matplotlib dapat menjadi lebih mudah membuat plot, histogram, power spectra, grafik batang, grafik error, scatterplot, dll, hanya dengan beberapa baris kode.

4)      Pandas

Pandas adalah sebuah library di Python yang berlisensi BSD dan open source yang menyediakan struktur data dan analisis data yang mudah digunakan. Pandas biasa digunakan untuk membuat tabel, mengubah dimensi data, mengecek data, dan lain sebagainya.

• Library Pandas adalah pustaka python tingkat tinggi yang memberikan kinerja tinggi, mudah   untuk penggunaan data terstruktur.
• Library Pandas memiliki banyak fungsi untuk mengimpor, memanipulasi, dan menganalisis data.
• Secara khusus, Pandas menawarkan struktur data dan operasi untuk memanipulasi tabel numerik dan deret waktu.

5)      Scikit Learn

Scikit-learn atau skearn adalah modul untuk bahasa pemrograman python yang dibangun di atas NumPy, SciPy, dan matplotlin, fungsinya dapat membantu melakukan processing data ataupun melakukan training data untuk  kebutuhan machine-learning.Beberapa tentang Scikit Learn sebagai berikut:

• Library Machine Learning free software
• Terdiri dari algoritma: Klasifikasi, Regresi dan algoritma clustering
• Bekerja dengan Numpy dan Scipy
• Dokumentasi yang baik
• Mudah diimplementasikan