Tutorial Google Colab untuk Data Scientist

Mengerjakan proyek data science selalu menyenangkan—baik Anda seorang penggemar data science yang baru memulai, maupun data scientist berpengalaman.

Namun, menyiapkan lingkungan kerja, memasang paket yang diperlukan, menyimpan semua berkas proyek dengan aman, dan mengatasi keterbatasan komputasi pada mesin Anda sering kali menjadi tantangan.

Dalam panduan ini, Anda akan mempelajari bagaimana Google Colab dapat menyederhanakan sekaligus meningkatkan alur kerja data science Anda.

Daftar Isi:

• Apa itu Google Colab?
• Membuat notebook Google Colab pertama Anda
• Mengapa Anda perlu mempertimbangkan Google Colab
• Library data science prapasang
• Berbagi dan kolaborasi yang mudah
• Integrasi mulus dengan GitHub
• Menyimpan notebook Colab ke GitHub
• Bekerja dengan data dari berbagai sumber
• Memuat data dari komputer lokal Anda
• Mount Google Drive ke instance Colab
• Mengkloning repo GitHub ke instance Colab
• Mengambil data jarak jauh
• Penyimpanan otomatis dan kontrol versi
• Akses ke akselerator perangkat keras seperti GPU dan TPU
• DataLab: Ikhtisar
• Keterbatasan Google Colab
• Kesimpulan

Apa itu Google Colab?

Google Colab adalah lingkungan notebook Jupyter berbasis cloud dari Google Research. Dengan antarmuka yang sederhana dan mudah digunakan, Colab membantu Anda memulai perjalanan data science dengan hampir tanpa pengaturan.

Jika Anda tertarik pada data science dengan Python, Colab adalah tempat yang tepat untuk memulai proyek data science tanpa repot mengonfigurasi lingkungan. Google Colab memfasilitasi penulisan dan eksekusi kode Python langsung dari browser Anda, serta menyediakan beberapa library data science Python paling populer yang sudah terpasang.

Di bagian-bagian berikutnya, Anda akan mempelajari lebih lanjut fitur-fitur Google Colab.

Membuat notebook Google Colab pertama Anda

Cara terbaik untuk memahami sesuatu adalah mencobanya sendiri. Mari mulai dengan membuat notebook Colab pertama kita:

• Kunjungi colab.research.google.com. Anda akan melihat layar berikut. Untuk dapat menulis dan menjalankan kode, Anda perlu masuk dengan kredensial Google Anda. Ini adalah satu-satunya langkah yang diperlukan dari pihak Anda. Tidak diperlukan konfigurasi lain.

• Setelah Anda masuk ke Colab, Anda dapat membuat notebook baru dengan mengklik 'File' → 'New notebook', seperti yang ditunjukkan di bawah:

Setelah membuat notebook baru, Anda dapat mengganti namanya sesuai keinginan. Sekarang Anda siap untuk menulis kode sepanjang proyek.

• Google Colab adalah lingkungan yang berdiri sendiri. Colab memungkinkan Anda menulis kode Python sekaligus teks—menggunakan sel markdown—untuk menyertakan teks dan media yang kaya, seperti di bawah ini. Hal ini membantu menambahkan instruksi untuk penjelasan langkah demi langkah proyek, sehingga meningkatkan keterbacaan.

Sekarang setelah Anda mempelajari cara membuat notebook Colab, mari lihat keunggulannya di bagian selanjutnya.

Mengapa Anda perlu mempertimbangkan Google Colab

Selain menjadi lingkungan berbasis browser yang hanya memerlukan masuk dengan akun Google, Colab memiliki beberapa fitur berguna yang bermanfaat bagi komunitas data science. Berikut beberapa keunggulannya:

• Library data science prapasang
• Berbagi dan kolaborasi yang mudah
• Integrasi mulus dengan GitHub
• Bekerja dengan data dari berbagai sumber
• Penyimpanan otomatis dan kontrol versi
• Akses ke akselerator perangkat keras seperti GPU dan TPU

Library data science prapasang

Library prapasang adalah salah satu alasan mengapa Colab populer untuk menyiapkan proyek data science Anda hampir seketika.

Colab dilengkapi library Python prapasang untuk analisis dan visualisasi data, seperti NumPy, pandas, matplotlib, dan seaborn. Artinya, Anda dapat langsung mengimpor library tersebut ke proyek berjalan, dan menggunakan modul-modulnya sesuai kebutuhan tanpa harus memasangnya terlebih dahulu.

Seperti yang mungkin Anda ketahui, library ini sudah memadai untuk sebagian besar proyek analisis data, serta untuk menyelesaikan langkah prapemrosesan data dan exploratory data analysis (EDA) dalam pipeline ML untuk proyek yang lebih besar.

Jika Anda ingin menguasai library data science tersebut, pastikan untuk melihat jalur Data Analyst with Python dari DataCamp.

Selain itu, Colab memiliki library machine learning yang prapasang, termasuk scikit-learn, serta library deep learning seperti PyTorch, TensorFlow, dan Keras.

Anda dapat membangun proyek machine learning dan deep learning tanpa perlu memasang apa pun. Yang Anda perlukan hanyalah akses ke browser, dan proyek Anda dapat berjalan dalam beberapa menit.

Bekerja dalam proyek sebagai sebuah kelompok adalah pengalaman belajar yang hebat. Pada bagian berikutnya, Anda akan mempelajari bagaimana Colab memfasilitasi kolaborasi.

Berbagi dan kolaborasi yang mudah

Bekerja di lingkungan notebook Jupyter pada mesin lokal memiliki keterbatasan saat harus berkolaborasi dengan orang lain. Namun, dengan Colab, Anda dapat membagikan notebook dan mengerjakannya secara kolaboratif dengan teman dan kolega.

Anda dapat mengaktifkan berbagi dalam satu langkah mudah, seperti pada gambar di bawah.

Integrasi mulus dengan GitHub

Sebagai pengembang, Anda akan sering menggunakan GitHub untuk melacak perubahan pada berbagai berkas di proyek Anda, dan mengintegrasikannya dengan Colab hanya akan membuat semuanya lebih baik.

Mari lihat cara menyimpan notebook Anda ke repositori GitHub:

Menyimpan notebook Colab ke GitHub

1. Untuk menyimpan notebook ke repositori GitHub, buka 'File' → 'Save a copy in GitHub'.

1. Anda kemudian akan diminta untuk memberikan otorisasi kepada Colab. Otorisasi ini diperlukan agar Colab dapat mendorong commit ke repositori Anda.

1. Kemudian Anda harus mengonfirmasi akses mengikuti petunjuk di layar.

2. Setelah otorisasi berhasil, jendela berikut akan muncul di layar Anda.

Pada gambar di atas:

• 'username' dan 'name of the repo' adalah placeholder. Anda akan melihat username GitHub Anda, dan dapat memilih repositori tempat Anda ingin mendorong notebook saat ini sebagai "name of the repo".

• Cabang default adalah cabang 'main' dari repositori yang dipilih, namun Anda dapat memilih cabang apa pun yang Anda inginkan. Anda juga dapat menyesuaikan jalur berkas sesuai kebutuhan.

• Terakhir, tulis pesan commit yang baik dan klik 'Ok'—commit Anda sekarang akan didorong ke repositori GitHub yang dipilih.

Dengan cara ini, Anda dapat meng-host semua notebook Colab Anda di repositori GitHub. Ini juga memfasilitasi penyebaran pengetahuan dan proyek open-source yang berkembang.

Bekerja dengan data dari berbagai sumber

Dalam proyek data science apa pun, Anda harus mulai dengan mengimpor dataset ke lingkungan kerja. Di bagian ini, Anda akan mempelajari berbagai cara melakukannya di Google Colab.

Memuat data dari komputer lokal Anda

Untuk mengunggah berkas berisi data dari komputer lokal, klik ikon 'File upload' di tab 'Files' seperti di bawah ini, lalu pilih berkas yang ingin Anda unggah.

Mount Google Drive ke instance Colab

Jika Anda lebih suka menyimpan semua berkas di Google Drive, Anda dapat dengan mudah me-mount-nya ke instance Colab saat ini. Ini akan memungkinkan Anda mengakses semua dataset dan berkas yang tersimpan di drive Anda.

Ada beberapa cara untuk melakukannya:

• Anda dapat mengklik ikon 'drive' di tab 'Files' dan mengikuti petunjuk di layar.

• Setelah drive Anda berhasil di-mount, Anda akan dapat melihat folder 'drive' terdaftar sebagai direktori yang tersedia di tab 'Files'.

Untuk me-mount Google Drive Anda ke instance Colab saat ini, Anda juga dapat menjalankan baris kode berikut di sel kode pada notebook Anda.

from google.colab import drive
drive.mount('content/drive')

Anda akan diminta untuk memberikan akses. Pilih opsi 'Connect to Google Drive'. Seperti pada metode sebelumnya, Anda akan dapat melihat folder 'drive' yang terdaftar di tab 'Files'.

Mengkloning repo GitHub ke instance Colab

Jika Anda memerlukan akses ke semua berkas di repositori GitHub tertentu, Anda dapat mengkloningnya ke ruang kerja Anda saat ini seperti berikut.

Menjalankan baris kode berikut akan memungkinkan Anda mengkloning repositori GitHub jarak jauh apa pun—cukup ganti placeholder

!git clone <URL of the repo>

Mengambil data jarak jauh

Terkadang, Anda perlu mengambil dataset dari web; berikut caranya:

Karena Anda dapat menjalankan perintah shell umum di lingkungan notebook, Anda dapat menggunakan perintah '!wget' untuk mengambil data jarak jauh dengan menentukan URL-nya.

Sekarang mari kita coba mengambil dataset Boston housing yang digunakan di kursus Supervised Learning with scikit-learn dari DataCamp.

Dataset tersebut dapat ditemukan pada URL ini, dan gambar berikut menunjukkan cara mengambilnya dengan sukses.

Penyimpanan otomatis dan kontrol versi

Apakah Anda pernah kesulitan memulihkan berkas yang hilang dalam proyek?

Dengan Colab, kehilangan berkas proyek bukan masalah karena semua notebook disimpan otomatis ke drive akun Google yang Anda gunakan untuk masuk.

Bahkan saat Anda berkolaborasi dengan teman dan kolega pada sebuah proyek, Anda dapat melacak semua perubahan yang dibuat pada notebook dari waktu ke waktu dengan melihat riwayat revisi. Buka 'File' → 'Revision History' dan Anda akan dapat melihat perubahan serta waktu perubahan tersebut dibuat.

Berikut contoh riwayat revisi:

Akses ke akselerator perangkat keras seperti GPU dan TPU

Sering kali, spesifikasi mesin lokal Anda dan keterbatasan daya pemrosesan dapat menjadi kendala, terutama saat bekerja dengan model deep learning berukuran besar.

Untuk mengatasi keterbatasan perangkat keras Anda, Colab menyediakan akses ke akselerator perangkat keras—Graphics Processing Unit (GPU) dan Tensor Processing Unit (TPU) untuk melatih model deep learning lebih cepat.

Gambar berikut mengilustrasikan cara mengaktifkan penggunaan GPU di notebook Colab—dapat dilakukan dalam dua langkah sederhana.

1. Buka 'Runtime' → 'Change runtime type'

1. Atur akselerator perangkat keras ke GPU atau TPU sesuai kebutuhan.

Sejauh ini, Anda telah mempelajari fitur-fitur Colab yang berguna untuk data science. Jika ini terdengar menarik, Anda juga mungkin ingin melihat DataLab. Anda mulai menggunakan DataLab dengan mendaftar akun DataCamp gratis.

DataLab: Ikhtisar

DataLab menyediakan lingkungan sepenuhnya berbasis browser untuk semua kebutuhan data science Anda. Anda dapat menulis kode dalam Python atau R dengan dukungan bawaan untuk SQL, dan berkolaborasi dengan orang lain tanpa perlu pengaturan apa pun.

• Jika Anda ingin mulai membangun portofolio data science, DataLab bisa menjadi pilihan yang sangat baik. Anda dapat membuat DataLab Python atau R baru, atau langsung mulai bekerja dengan repositori GitHub.

• Mirip dengan Google Colab, DataLab memiliki berbagai fitur: library prapasang, dataset pramuat, integrasi ke sumber data umum, dan banyak lagi. Anda dapat menulis dan menjalankan kode Python dan R, serta menambahkan teks dan gambar yang kaya.

• Setelah Anda menerbitkan sebuah notebook, Anda dapat dengan mudah berbagi dan berkolaborasi dengan orang lain.

• DataLab memiliki sejumlah dataset, templat, dan playbook pramuat di berbagai bidang—seperti unsupervised learning, analisis pasar, pemrosesan bahasa alami, dan banyak lagi. Templat ini memberi Anda cukup arahan untuk mulai membangun proyek sejak awal.

• Anda tidak perlu meng-host notebook Anda di repositori GitHub. Semua notebook Anda dapat diakses dari profil DataCamp Anda, sehingga Anda dapat mengakses seluruh portofolio data science melalui akun DataCamp gratis Anda.

• Untuk mempelajari lebih lanjut tentang DataLab, kunjungi dokumentasi.

Keterbatasan Google Colab

Meskipun Colab memudahkan banyak hal, berikut beberapa keterbatasan yang perlu Anda ketahui:

• Instance Colab gratis memadai untuk proyek skala kecil hingga menengah. Namun, ada batasan penggunaan GPU. Durasi tipikal untuk melatih model di GPU adalah 12 jam, setelah itu runtime akan terputus. Untuk penggunaan GPU dan TPU yang lebih lama, Anda harus meningkatkan ke Colab Pro untuk penggunaan yang ditingkatkan.

• Google Colab dirancang khusus untuk data science dalam Python. Namun, ada kalanya Anda ingin menggunakan R, SQL, atau bahasa pemrograman lain untuk mengambil data dari basis data. Colab saat ini hanya mendukung Python. Jika Anda lebih suka menggunakan R untuk kebutuhan data science, dan memerlukan integrasi ke basis data MySQL, pastikan untuk melihat DataLab.

• Di Colab, permintaan dan alokasi akselerator perangkat keras terjadi secara real time. Terkadang, hal ini dapat menyebabkan fluktuasi akses GPU dan TPU.

• Berkas dan library yang Anda pasang dan impor bersifat spesifik untuk instance Colab tertentu. Setelah memutuskan runtime, Anda akan kehilangan semua berkas dan paket di instance tersebut. Jika Anda perlu mengerjakan notebook dalam beberapa sprint, Anda harus terhubung ke runtime dan memasang semua paket yang diperlukan lagi.

• Colab memberlakukan batasan ruang disk pada setiap instance, tergantung pada mesin yang dialokasikan untuk instance tersebut. Ini bisa menjadi hambatan untuk dataset yang sangat besar.

Kesimpulan

Dalam tutorial ini, Anda telah mempelajari fitur-fitur berguna Google Colab dari sudut pandang data science. Anda juga telah mempelajari bagaimana DataLab dapat membantu Anda membangun portofolio data science langsung dari browser, dan menjadi opsi yang sangat baik untuk mulai membangun portofolio data science—langsung dari browser—semuanya dengan akun DataCamp gratis.