Siapkan Lingkungan Data Science di Komputer Anda

Setelah belajar di platform pelatihan dan pendidikan interaktif online seperti Datacamp, salah satu langkah berikutnya adalah membawa keterampilan yang Anda peroleh dalam Python, R, Git, atau Unix Shell dan menggunakannya di komputer lokal Anda. Tidak selalu mudah mengetahui apa saja yang perlu diinstal untuk berbagai proyek yang Anda rencanakan. Tutorial ini akan memberi tahu Anda paket dan perangkat lunak apa yang perlu Anda instal untuk mulai menggunakan berbagai teknologi tersebut. Mari kita mulai!

Python

Untuk dapat menggunakan Python di komputer lokal Anda, pertama-tama Anda perlu menginstalnya. Ada banyak distribusi Python yang berbeda, tetapi untuk data science, Anaconda Python Distribution adalah yang paling populer.

Keuntungan Anaconda

Anaconda adalah pengelola paket, pengelola lingkungan, dan distribusi Python yang berisi kumpulan banyak paket open source. Instalasi Anaconda sudah dilengkapi banyak paket seperti numpy, scikit-learn, scipy, dan pandas, serta merupakan cara yang direkomendasikan untuk memasang Jupyter Notebook. Gambar di bawah menunjukkan Jupyter Notebook saat digunakan. Jupyter Notebook memuat kode dan elemen teks kaya seperti gambar, tautan, dan persamaan. Anda dapat mempelajari lebih lanjut tentang Jupyter Notebook di sini.

Beberapa keuntungan lain dari Anaconda meliputi:

• Jika Anda memerlukan paket tambahan setelah memasang Anaconda, Anda dapat menggunakan manajer paket Anaconda, yaitu conda atau pip, untuk memasang paket tersebut. Ini sangat menguntungkan karena Anda tidak perlu mengelola dependensi di antara banyak paket sendiri. Conda bahkan memudahkan untuk beralih antara Python 2 dan 3 (pelajari lebih lanjut di sini).

• Anaconda dilengkapi dengan Spyder, sebuah Integrated Development Environment (IDE) untuk Python. IDE adalah alat pemrograman yang memungkinkan Anda menulis, menguji, dan men-debug kode karena biasanya menawarkan pelengkapan kode, sorotan sintaks, manajemen sumber daya, dan alat debugging di antara banyak fitur lainnya. Anda juga dapat mengintegrasikan Anaconda dengan IDE Python lainnya termasuk PyCharm dan Atom. Anda dapat mempelajari lebih lanjut tentang berbagai IDE Python di sini.

Cara Memasang Anaconda (Python)

Berikut beberapa tautan panduan untuk memasang Anaconda pada sistem operasi Anda.

Pasang Anaconda di Mac

Pasang Anaconda di Windows

Bahasa Pemrograman R

Kebanyakan orang biasanya memasang RStudio bersamaan dengan bahasa pemrograman R. Integrated Development Environment (IDE) RStudio umumnya dianggap cara termudah dan terbaik untuk bekerja dengan bahasa pemrograman R.

Keuntungan RStudio

Instalasi bahasa pemrograman R memberi Anda sekumpulan fungsi dan objek dari bahasa R serta interpreter R yang memungkinkan Anda membangun dan menjalankan perintah. RStudio memberi Anda lingkungan pengembangan terintegrasi yang bekerja bersisian dengan interpreter R.

Saat Anda membuka RStudio, layar seperti di atas akan muncul. Beberapa fitur yang terdapat dalam empat Panel RStudio adalah: (A) Editor Teks. (B) Dasbor Lingkungan Kerja. (C) Interpreter R. (D) Jendela Bantuan dan Sistem Manajemen Paket. Semua fitur ini membuat RStudio menjadi semua yang benar-benar Anda butuhkan setelah memasang R.

Cara Memasang R dan RStudio

Berikut beberapa tautan panduan untuk memasang R dan RStudio pada sistem operasi Anda.

Pasang R dan RStudio di Mac

Pasang R dan RStudio di Windows

Unix Shell

Menavigasi direktori, menyalin file, menggunakan mesin virtual, dan lainnya adalah bagian rutin dari pekerjaan data scientist. Anda akan sering menemukan Unix Shell digunakan untuk menyelesaikan tugas-tugas ini.

Beberapa Kegunaan Unix Shell

1 - Banyak Platform Cloud Computing berbasis Linux (menggunakan varian Unix Shell). Misalnya, jika Anda ingin Menyiapkan Lingkungan Data Science di Google Cloud, atau melakukan Deep Learning dengan Jupyter Notebook di Cloud (AWS EC2) diperlukan pengetahuan Unix Shell. Ada kalanya Anda mungkin memerlukan mesin virtual Windows, tetapi ini lebih jarang.

2 - Unix Shell menyediakan sejumlah perintah yang berguna seperti: perintah wc yang menghitung jumlah baris atau kata dalam sebuah file, perintah cat yang menggabungkan/merger file, perintah head dan tail yang membantu Anda menyeleksi sebagian file besar. Anda dapat mempelajari lebih lanjut di 8 Perintah Shell yang Berguna untuk Data Science. Juga, lihat kursus DataCamp Data Processing in Shell.

3 - Anda akan sering menemukan Unix Shell terintegrasi dengan teknologi lain seperti yang akan Anda lihat di sisa artikel ini.

Integrasi dengan Teknologi Lain

Anda akan sering menemukan perintah Unix Shell terintegrasi dalam teknologi lain. Misalnya, umum menemukan perintah shell di Jupyter Notebook berdampingan dengan kode Python. Di Jupyter Notebook, Anda dapat mengakses perintah shell dengan keluar ke shell menggunakan tanda !. Pada kode di bawah, hasil dari perintah shell ls (yang menampilkan semua file di direktori saat ini) ditetapkan ke variabel Python myfiles.

myfiles = !ls

Gambar di bawah menunjukkan beberapa Kode Python yang terintegrasi dalam alur kerja untuk menggabungkan beberapa dataset. Perhatikan perintah Unix Shell (dilingkari kotak merah) yang terintegrasi di Jupyter Notebook.

Perlu diingat bahwa kode pada gambar di atas bukanlah cara unik untuk melakukan suatu tugas, melainkan contoh kecil bagaimana Anda dapat melihat Unix dimanfaatkan. Jika Anda ingin belajar cara menggunakan Unix untuk Data Science, Datacamp memiliki kursus gratis Introduction to Shell for Data Science yang sangat saya rekomendasikan. Ini adalah keterampilan yang sering dilupakan banyak calon data scientist, tetapi sangat penting di tempat kerja.

Unix Shell di Mac

Mac sudah dilengkapi Unix shell sehingga biasanya Anda tidak perlu memasang apa pun! Poin pentingnya adalah ada beragam sistem Unix yang memiliki perintah berbeda-beda. Terkadang Anda menemukan bahwa Anda tidak memiliki perintah Unix (seperti wget) yang ada di sistem Unix lain. Mirip dengan pengelola paket melalui RStudio dan Anaconda, Mac dapat memiliki pengelola paket bernama Homebrew jika Anda memasangnya. Tautan di bawah membahas cara memasang dan menggunakan Homebrew.

Cara Memasang dan Menggunakan Homebrew

Perintah Unix Shell di Windows

Windows tidak dilengkapi Unix Shell. Perlu diingat bahwa yang dilakukan Unix Shell adalah memberi Anda perintah-perintah berguna untuk Data Science. Ada banyak cara untuk mendapatkan perintah-perintah ini di Windows. Anda dapat Memasang Git di Windows dengan opsi alat Unix sehingga Anda dapat memiliki perintah Unix di Command Prompt. Atau, Anda bisa memasang Gnu on Windows (GOW) (10mb), Cygwin (minimal 100mb), dan banyak opsi lainnya.

Git

Git adalah sistem kontrol versi yang paling banyak digunakan. Sistem kontrol versi adalah sesuatu yang merekam perubahan pada sebuah file atau sekumpulan file dari waktu ke waktu sehingga Anda dapat memanggil kembali versi tertentu di kemudian hari. Git adalah teknologi penting karena benar-benar membantu Anda bekerja dengan orang lain dan banyak digunakan di tempat kerja. Beberapa manfaat mempelajari Git antara lain:

• Semuanya yang dikontrol versinya menggunakan Git tidak pernah hilang, sehingga Anda selalu dapat kembali melihat versi sebelumnya dari program Anda.

• Git memberi tahu Anda saat pekerjaan Anda bertentangan dengan pekerjaan orang lain, sehingga lebih sulit (meski bukan tidak mungkin) untuk secara tidak sengaja menimpa pekerjaan.

• Git dapat menyinkronkan pekerjaan yang dilakukan oleh orang berbeda pada mesin yang berbeda, sehingga dapat diskalakan seiring bertambahnya tim Anda.

• Mengetahui Git memudahkan Anda berkontribusi pada pengembangan open source paket di R dan Python.

Integrasi dengan Teknologi Lain

Salah satu hal menarik tentang Git adalah sering kali terintegrasi dengan teknologi lain. Sebelumnya saya menyebutkan bahwa Integrated Development Environment (IDE) RStudio umumnya dianggap sebagai cara terbaik untuk bekerja dengan bahasa pemrograman R. RStudio menawarkan dukungan kontrol versi dan banyak IDE Python (pelajari lebih lanjut di sini) juga menawarkan dukungan kontrol versi.

Jika Anda ingin belajar cara menggunakan Git untuk Data Science, DataCamp memiliki kursus gratis Introduction to Git for Data Science yang sangat saya rekomendasikan.

Cara Memasang Git

Berikut beberapa tautan panduan untuk memasang Git pada sistem operasi Anda.

Pasang Git di Mac

Pasang Git di Windows

Kesimpulan

Tutorial ini memberikan cara untuk menyiapkan lingkungan data science lokal di komputer Anda. Poin penting yang perlu ditekankan adalah teknologi-teknologi ini bisa dan sering kali diintegrasikan satu sama lain. Jika Anda memiliki pertanyaan atau pemikiran tentang tutorial ini, silakan sampaikan di kolom komentar di bawah atau melalui Twitter. Juga, jangan ragu untuk melihat tutorial pemasangan lainnya di Github saya atau blog Medium saya.