Kursus
Pengantar Python
4 jam
7.1M
Data Science dan machine learning tidak pernah sepamor ini. Seiring pertumbuhan bidang ini, seluruh spektrum alat yang tersedia bagi para praktisi pun semakin matang.
Salah satu perkembangan yang patut disambut adalah kemunculan beragam alat baru, startup, dan seluruh kategori yang ditujukan untuk menyelesaikan masalah spesifik yang dihadapi para praktisi dan organisasi. Dalam infografik ini, kami memberikan gambaran umum tentang lanskap alat dalam data science dan machine learning pada tahun 2022.
Untuk versi infografik yang dapat diunduh, tekan gambar di atas.
Di bawah ini, Anda akan menemukan ikhtisar terperinci tentang alat yang disebutkan dalam infografik di atas.
Manajemen Data
Kemajuan besar dalam kondisi peralatan selama beberapa tahun terakhir adalah hadirnya banyak alat yang memungkinkan praktisi mengelola data dengan lebih baik untuk alur kerja data science dan machine learning. Ini mencakup alat pembangkitan data sintetis yang memungkinkan pembuatan data, alat observabilitas data yang memantau pipeline data di produksi, alat versi data yang menyediakan kontrol versi atas data, alat pemipaan data dan orkestrasi yang memungkinkan praktisi mengorkestrasi alur kerja, katalog data yang menampilkan data organisasi untuk konsumsi, dan lainnya.
Data Sintetis
Observabilitas Data
Versi Data
Pemberian Label Data
Pemipaan Data
Orkestrasi Data
Katalog Data
Platform Machine Learning Ujung-ke-Ujung
Platform machine learning kian menjadi standar. Platform ini menyediakan kemampuan untuk melakukan machine learning ujung-ke-ujung mulai dari pemrosesan fitur hingga deployment, dengan alat tertentu yang menyediakan kemampuan automated machine learning dan deployment.
Pemodelan
Dalam ekosistem data science, terdapat banyak alat mulai dari Notebook & IDE, paket dan perangkat lunak analisis data, visualisasi data, feature store untuk menyimpan fitur yang digunakan dalam machine learning, pustaka deep learning dan machine learning, pustaka optimisasi hyperparameter, alat debugging model, dan lainnya.
Notebook & IDE
- JupyterLab
- Google Colab
- Deepnote
- VSCode
- Amazon SageMaker Studio Lab
- JetBrains
- Spyder
- DataCamp Workspace
- RStudio
Analisis Data
Visualisasi Data
Feature Store
Kerangka Kerja Machine Learning
Kerangka Kerja Deep Learning
Optimisasi Hyperparameter
Keterjelasan Model
Debugging Model
Deployment
Dua tahun terakhir menyaksikan bangkitnya MLOps dan pentingnya melakukan deployment model machine learning ke produksi. Hal ini mendorong pengembangan dan evolusi alat yang memungkinkan praktisi mengemas model menjadi aplikasi, memantau model di produksi, melacak eksperimen dalam skala besar, dan menyajikan model ke produksi.
