Rumah Coding

Pandas itu mudah kalau mengerti struktur datanya!

Dua struktur utama di Pandas :
📊 SERIES = 1 kolom | 📋 DATAFRAME = tabel lengkap

Series = Array 1D dengan index. DataFrame = Kumpulan Series (banyak kolom).

Semua operasi Pandas berangkat dari dua struktur ini!

NumPy = Numerical Python!

Core dari NumPy adalah ndarray (n-dimensional array).

Kenapa NumPy lebih cepat?
📌 Homogen - satu tipe data
📌 Vectorized - operasi tanpa loop
📌 Contiguous memory - lebih cepat diakses

Ini fondasi untuk semua operasi di NumPy!

Di Go, yang penting bukan siapa parent class-mu, tapi apa yang bisa kamu lakukan

Interfaces di Go membawa konsep duck typing ke level yang lebih eksplisit :
Kalau sebuah type punya method yang sesuai, otomatis dianggap memenuhi interface — tanpa perlu keyword implements.

Simple, fleksibel, dan bikin code lebih clean ✨

Jangan sampai data ikut hilang saat container dihapus!
Di Docker, container itu bersifat ephemeral — cepat dibuat, cepat dihancurkan. Tapi untuk database, upload file, atau konfigurasi penting, kita butuh penyimpanan yang tetap aman dan persisten.

✨ Solusinya? Docker Volumes
Volumes memungkinkan data disimpan di luar lifecycle container, jadi data tetap ada meskipun container restart atau dihapus. Cocok banget buat production environment

Evaluasi model itu penting 📊

Accuracy, Precision, Recall, F1 Score, dan AUC-ROC membantu kita memahami seberapa baik performa model machine learning. Pilih metrik yang sesuai dengan kebutuhan kasusmu 🚀

TensorFlow dimulai dari Tensor!

Sebelum belajar deep learning dengan TensorFlow, kamu harus paham dulu tentang TENSOR.

Apa itu Tensor?
Tensor = generalization dari matrix. Bisa 0D (skalar), 1D (vector), 2D (matrix), 3D+

Di TensorFlow :
📌 tf.constant = nilai tetap (seperti const)
📌 tf.Variable = nilai yang bisa diubah (untuk bobot model)

Ini fondasi utama untuk membuat neural network. Semua data dan bobot di TensorFlow berupa tensor.

Switch statement di Rust? Jauh lebih powerful!

match expression di Rust bukan sekadar switch — dia exhaustive, bisa destructuring, ada pattern guards, dan banyak fitur keren lainnya.

Slide ini bahas :
- Dasar match dengan exhaustive checking
- Match dengan enum dan binding
- Pattern guards dan range patterns
- Destructuring struct dan tuple
- Fitur ini bikin Rust code jadi super expressive dan compiler selalu jagain biar ga ada case yang ketinggalan!

Simpan dan share ke teman Rustacean! 💪

Training model PyTorch masih bingung pilih optimizer?

Slide ini bahas 3 optimizer populer :
- SGD : Klasik dengan momentum, generalization bagus untuk CV
- Adam : Adaptive, default choice, konvergen cepat
- RMSprop : Bagus untuk RNN dan non-stationary problems

Tips :
Mulai dengan Adam untuk prototyping, lalu coba SGD+momentum untuk production CV models!

Simpan dan share ke teman ML engineer!

List Comprehension = Cara Pythonic!

Buat list dengan lebih singkat dari for loop :
```python
squares = [i ** 2 for i in range(10)]
```

📌 BASIC : [expression for item in iterable]
📌 DENGAN FILTER : [expr for item in iterable if condition]
📌 DENGAN IF-ELSE : [x if x > 0 else -x for x in numbers]
📌 UNTUK DICT & SET : {k: v for k, v in items.items()}

~20% lebih cepat dari append dalam loop!

Operasi matematika di array NumPy masih pakai Python loop?
Bisa lebih cepat! 🚀

Universal functions (ufunc) di NumPy adalah fungsi vectorized yang jalan di C-level. Hasilnya? Operasi jutaan elemen dalam hitungan detik!

Slide ini bahas :
- Apa itu ufunc dan kenapa cepat
- Built-in ufuncs populer (trig, log, aritmatika)
- Binary ufuncs dan broadcasting
- Cara buat custom ufunc dengan frompyfunc

Wajib tahu buat yang kerja dengan data numerik!

Simpan dan share ke teman data scientist! 💪

Go Modules vs GOPATH - perbedaan utama!

Dulu : GOPATH - Semua project di $GOPATH/src/, tidak ada versioning
Sekarang : Go Modules

📦 go.mod = manifest dependencies

go mod init | go get package@version | go mod tidy

Kenapa switch ke Modules?

✅ Versi per project | ✅ Tidak perlu GOPATH | ✅ Reproducible builds