Setelah perkenalanku dengan Artificial Intelligence, semester berikutnya aku mulai mendalami Machine Learning (ML). Di sini, aku merasa tertantang sekaligus excited, karena ML memungkinkan teori AI yang sebelumnya kupelajari diaplikasikan secara nyata melalui data dan model.
Awalnya, konsep supervised dan unsupervised learning, regresi, klasifikasi, dan evaluasi model terasa kompleks. Aku menghabiskan waktu membaca ulang materi, menonton tutorial, dan mencoba dataset sederhana untuk memahami bagaimana model belajar dari data. Kadang hasil prediksi model tidak sesuai ekspektasi, dan itu membuatku harus meneliti lebih dalam tentang preprocessing data, parameter tuning, dan pemilihan algoritma.
Proyek pertama yang kubuat di Machine Learning cukup sederhana: prediksi nilai atau hasil berdasarkan dataset yang diberikan. Namun, prosesnya tetap penuh trial and error. Aku belajar bahwa ML bukan sekadar menulis kode, tapi juga memahami pola data, memikirkan logika model, dan menilai performa model dengan metrik yang tepat.
Selain aspek teknis, pengalaman ini juga mengajarkanku kesabaran dan konsistensi. Kadang satu percobaan memakan waktu lama, atau hasil yang keluar tidak sesuai harapan. Tapi setiap kegagalan menjadi bahan belajar, membuatku memahami cara kerja model lebih dalam dan meningkatkan skill analisis dataku.
Buku ini menjadi pengingat bahwa Machine Learning adalah perjalanan panjang dari mencoba, gagal, dan mencoba lagi. Dari langkah awal ini, aku mulai membangun fondasi untuk proyek-proyek AI yang lebih kompleks, sambil terus mengasah kemampuan problem-solving dan logikaku.