Belajar Machine
Learning Lewat
Eksperimen Interaktif
Eksplorasi algoritma, evaluasi model, visualisasi data, dan konsep AI langsung di browser tanpa instalasi.
Ratusan orang sudah bergabung dengan ekosistem kami dan mulai belajar ML secara visual.
Mulai dari artikel visual yang kuat.
Baca idenya dulu, lalu lanjut ke lab ketika siap bereksperimen.
Dasar AI20 Konsep AI Paling Penting yang Bisa Kita Pahami dalam 20 Menit
Panduan ramah pemula untuk memahami dasar-dasar AI modern, mulai dari neural network sampai diffusion model.
20 Jun 2026 ยท 20 menit baca
Reduksi DimensiApa Itu PCA? Reduksi Dimensi untuk Visualisasi Data12 menit baca
OptimasiGradient Descent Dijelaskan: Pendekatan Visual dan Intuitif untuk Pemula15 menit baca
EvaluasiConfusion Matrix dan Metrik Evaluasi Klasifikasi15 menit baca
Deep LearningTransformer & Attention Mechanism: Dari Attention is All You Need ke Lab Interaktif14 menit bacaSatu workspace untuk mengajar konsep.
Visual besar, mode fullscreen, input data manual, dan animasi sekuensial.
PCA
Pilih 2 atau 3 principal component lalu bandingkan proyeksi PCA 2D dan ruang 3D berdasarkan explained variance.
Z = XW
OptimasiBundle
Gradient Descent
Pilih titik awal, bandingkan learning rate, dan ikuti lintasan menuju local atau global minimum.
theta <- theta - alpha * grad L
EnsembleBundle
Random Forest
Bandingkan voting banyak pohon dan lihat boundary ensemble menjadi lebih stabil.
y = mode(h_1(x), ..., h_T(x))
Deep LearningGratis setelah login
Neural Network
Atur hidden layer, latih jaringan XOR, dan baca aktivasi setiap neuron pada arsitektur.
a = sigma(Wx + b)
Deep LearningGratis setelah login
CNN Convolution
Edit pixel input, pilih kernel, dan lihat feature map dihitung melalui operasi konvolusi.
Y[i,j] = sum_m sum_n X[i+m,j+n] K[m,n] + b
Deep LearningProject
Transformer
Masukkan kalimat sendiri lalu baca Q, K, V, scaled dot-product, softmax, dan attention matrix.
Attention(Q,K,V) = softmax(QK^T / sqrt(d))V
Frequency DomainGratis setelah login
FFT Spectrum
Masukkan sinyal sendiri atau pilih contoh, lalu petakan waveform menjadi spektrum FFT hingga batas Nyquist.
X[k] = sum x[n] exp(-j 2 pi kn / N)