Dalam machine learning terdapat lima tahapan inti yaitu data collecting, data preprocessing, data training, data testing dan optimalization. Pertanyaannya, apa saja hal yang harus dipastikan ketika kita mengumpulkan data supaya datanya benar-benar pas untuk masalah yang akan kita selesaikan?
Kita harus pastikan kalau data yang dikumpulkan benar-benar merepresentasikan masalah yang mau diselesaikan. Caranya adalah dengan memastikan data mencakup semua variasi atau skenario yang mungkin terjadi. Misalnya, kalau kita bikin model prediksi cuaca, pastikan data dari berbagai musim ada, bukan cuma data dari satu bulan atau satu musim tertentu. Selain itu, kita harus pastikan sumber data yang diambil tepercaya dan relevan dengan konteks masalah.