Dataset latihan Machine Learning
800 observasi sintetis untuk klasifikasi pembelian ulang, lengkap dengan split dan baseline Python.
800 observasi sintetis untuk klasifikasi pembelian ulang, lengkap dengan split dan baseline Python.
Dokumentasikan masalah, data, eksperimen, evaluasi, dan cara menjalankan proyek secara terstruktur.
Checklist dari definisi masalah sampai evaluasi dan serah terima, dengan kolom bukti serta tindak lanjut.
Ringkasan tipe data, fungsi, CSV, validasi, dan metrik dengan script kecil yang dapat dijalankan.
Pilih metrik, hitung confusion matrix, dan bandingkan model dengan protokol evaluasi yang dapat diulang.
Brief terisi untuk klasifikasi tiket bantuan, disertai struktur kosong untuk ide proyekmu.
Mulai dari 24 transaksi, lalu praktikkan analisis 1.200 pesanan sintetis yang terhubung ke data pelanggan.
120 profil pelanggan sintetis untuk latihan segmentasi, join, dan pelanggan tanpa transaksi.
180 observasi kampanye dengan metrik funnel dan biaya, disertai definisi atribusi.
Workbook dengan data awal, formula pendapatan, dan ringkasan kategori yang dapat diedit.
Susun satu proyek dari pertanyaan bisnis hingga rekomendasi yang didukung bukti.
Format CV sederhana dengan proyek, keterampilan, dan pencapaian yang dapat dibuktikan.
Formula dasar, agregasi bersyarat, lookup, dan pemeriksaan kualitas dengan contoh penjualan.
Database SQLite latihan dan query SELECT, agregasi, LEFT JOIN, CTE, serta ranking.
Laporan ringkas dengan konteks, bukti, rekomendasi, keterbatasan, dan lampiran teknis.
Workbook kampanye dengan formula CTR, CPL, ROAS, ringkasan total, dan grafik.
Tahapan belajar berbasis hasil kerja, dari data dan statistik sampai proyek yang dapat direproduksi.
Panduan menyusun instruksi, konteks, contoh, dan evaluasi untuk tugas generatif yang terukur.
Template untuk ringkasan, ekstraksi, klasifikasi, dan ulasan kode, beserta contoh input serta kriteria lulus.
Rancang asisten atau aplikasi generatif dengan batas tugas, sumber, evaluasi, dan kendali tindakan.
Istilah inti LLM dengan contoh serta kesalahpahaman yang perlu dihindari.
Lembar kerja untuk menghubungkan teks, gambar, audio, atau video dengan keputusan pengguna yang jelas.
Rubrik peninjauan fakta, sumber, format, keselamatan, dan kegunaan keluaran generatif.
Log eksperimen prompt/model agar perubahan, hasil, biaya, dan keputusan dapat dibandingkan secara adil.
Rangkum tujuan, perilaku, hambatan, dan konteks pengguna tanpa mengandalkan stereotip.
Petakan pengalaman dari menemukan course sampai mulai belajar, termasuk hambatan dan peluang per tahap.
Diagram alur pendaftaran dengan keputusan, jalur pembayaran, dan pemulihan kesalahan.
Kerangka desktop dan mobile untuk detail course dengan hierarki informasi, CTA, serta status akses.
Persiapan, moderasi, pencatatan, dan sintesis uji kegunaan berbasis tugas.
Satukan masalah, cakupan riset, hasil kerja, batasan, dan kriteria keberhasilan desain.
Ceritakan proses desain dari bukti masalah sampai iterasi dan hasil pengujian.
Review tujuan, konten, alur, aksesibilitas, responsivitas, dan seluruh status antarmuka.
Panduan peserta dari akun, akses kelas, belajar, tugas, sampai bantuan dan privasi.
Urutan 20 unit Introduction to Artificial Intelligence dengan titik latihan dan evaluasi.
Workbook untuk melacak status topik, waktu latihan, bukti belajar, dan langkah berikutnya.
Rencana belajar tujuh hari dengan sasaran, alokasi waktu, hasil, dan refleksi.
Persiapan konsep, praktik, perangkat, dan aturan sebelum memulai assessment.
Struktur pengumpulan yang menghubungkan masalah, kode, hasil, pengujian, dan refleksi.
Memahami syarat, penerbitan, pemeriksaan nama, PDF, dan pilihan verifikasi publik.
Kenali bidang pembelajaran, pengalaman praktik, dan cara memulai di Pyronyx Academy.
Snapshot 37 course dengan level, cakupan, prasyarat, proyek, dan status ketersediaan.