Train classifier dari dataset publik

Kenapa penting

ML Engineer bukan yang bisa copy tutorial. Ini yang bisa jelaskan tradeoff model.

Langkah

• Download dataset Titanic atau Iris dari Kaggle
• EDA: distribusi, missing value, korelasi
• Feature engineering: encode kategori, handle null
• Split train/test 80/20
• Train Logistic Regression dan Random Forest
• Bandingkan: accuracy, precision, recall, F1
• Pilih model terbaik dan jelaskan kenapa
• Export model dengan joblib

Output yang diharapkan

Jupyter notebook beromentar + model export

Checklist

• Ada EDA minimal 3 chart
• Dua model dibandingkan
• Reasoning pemilihan model ada
• Notebook jalan dari atas ke bawah

Evidence

GitHub repo dengan notebook

Review sendiri

Bisakah junior yang baru belajar ML memahami notebookmu?