S6E11 | Menghandle data Time Series di PyTorch | Deep Learning Basic

Seri belajar Deep Learning menggunakan Python
Dibuat untuk pemula dengan bahasa Indonesia
Course 5: • Course 5 | Pengantar D...
Course 6: • Course 6 | Basic Deep ...
Github: github.com/Wir...
Semoga bermanfaat
dari JCOp untuk Indonesia

[@sijabatdame8966]

terimakasih atas konten pak, sehat murah rejeki bapak yang berbagi ilmu

[@zicoabryan107]

Terimakasih mas Wir, ditunggu konten selanjutnya

[@hello23.21]

Kak, request untuk time series klasifikasi 🙏. Gimana ngesplit data nya kak ? Datanya time sequence per id nya kak. Misal : 1 id punya time sequence per bulan dalam 1 tahun. Begitu juga dengan id berikutnya yang mempunyai time yg sama. Dataset ini banyak fitur, dan target kelas nya per id.

[@aldimw1598]

Bang request yang model ARIMA ato sarima ato autoarima dong. Terima kasih

[@JCOpUntukIndonesia]

kzbin.info/www/bejne/iKKyeGCKnNSdj68

[@semapooth8774]

keren mas wira, izin bertanya mini batch mempengaruhi apa? dan mau tanya lagi jika features nya ada 2 misal (temperature dan warna) apakah dalam memprediksi nanti features warna apakah dapat mempengaruhi hasil prediksi temperature? atau proses prediksi temperature hanya berdasarkan pola yang ada pada features temperature saja? begitupun sebaliknya . terimakasih

[@JCOpUntukIndonesia]

izin bertanya mini batch mempengaruhi apa? >> sebelumnya sudah paham terkait apa itu minibatch kan ya? (di course 5 - pengantar Deep Learning, sudah dibahas detail). Dari sana mestinya sudah paham kenapa kita pakai minibatch dan keuntungan dari menggunakan minibatch, terutama dalam konteks model Deep Learning. jika features nya ada 2 misal (temperature dan warna) apakah dalam memprediksi nanti features warna apakah dapat mempengaruhi hasil prediksi temperature? >> Tentu, karena prediksinya bergantung pada 2 input yang diberikan.