Hanya bandingkan baris dengan sidik jari dataset dan pembagian tes yang sama. Pelatihan menggunakan epoch terakhir, tanpa pemilihan berbasis tes.

Belum ada model yang disimpan. Latih jaringan pertama Anda untuk melihat hasil evaluasi yang sebenarnya.

Tidak ada catatan yang cocok.

Skema CSV & penggunaan yang bertanggung jawab

Kolom yang diperlukan: experience, education, role, skill, department, salary. 60–5.000 baris; maksimum 2 MB. Pengalaman: 0–40, keterampilan: 0–100, gaji tahunan: 1.000–100.000.000. Tidak boleh ada kolom yang kosong. Hingga 30 kategori per fitur kategorikal. Kolom tambahan akan diabaikan.

Gunakan hanya data yang Anda memiliki izin untuk memprosesnya. Jangan sertakan nama atau atribut yang dilindungi. Data yang diimpor tidak terverifikasi; kategori yang bermakna dan lisensi yang sesuai tetap menjadi tanggung jawab Anda. Mengganti dataset akan membatalkan model yang aktif, tetapi tetap menyimpan prediksi historis.

Tampilan kompensasi

Edisi browser · batas waktu runtime

Miniapp ini menjalankan ANN JavaScript asli, bukan API Python yang di-host. Pelatihan memberikan jeda kepada browser di antara epoch. Model, dataset, dan riwayat menggunakan penyimpanan per-pengguna platform, bukan SQL. Tidak ada layanan data gaji eksternal, jaminan ketersediaan layanan, atau model dunia nyata yang divalidasi secara independen.

Metodologi

Perceptron multilayer feedforward menggunakan pengalaman dan keterampilan yang distandarisasi, ditambah pendidikan, peran, dan departemen yang dikodekan secara one-hot. Lapisan tersembunyi menggunakan ReLU atau tanh; output regresi gaji bersifat linear. Gradien MSE dihitung dengan aturan rantai dan dioptimalkan dengan Adam atau minibatch SGD.

Reproduksibilitas & pencegahan kebocoran

Pengacakan seed tetap mencadangkan 20% untuk pengujian. Validasi diambil dari catatan yang tersisa menggunakan seed pelatihan. Penskalaan numerik, kosakata kategorikal, dan standardisasi target hanya dicocokkan pada data pelatihan. Kategori yang tidak dikenal menggunakan slot tidak dikenal yang eksplisit. Data uji dievaluasi hanya setelah epoch terakhir. Artefak menyimpan bobot, bias, pra-pemrosesan, konfigurasi, dan evaluasi secara bersamaan.

Provenansi data

480 catatan awal adalah contoh sintetis yang dapat direproduksi yang dihasilkan dengan seed 2026. Ini bukan gaji karyawan asli dan tidak memiliki klaim validitas pasar. Generator sintetis menentukan dataset pengajaran; prediksi selalu berasal dari ANN yang terlatih, bukan dari generator tersebut. Unggahan CSV pengguna menggantikan demo dan ditandai sebagai tidak terverifikasi.

Batasan & tujuan penggunaan

Hanya untuk eksplorasi edukasi. Bukan untuk perekrutan, keputusan kompensasi, atau penyaringan kerja. Tidak ada audit keadilan, atribusi fitur kausal, interval kepercayaan, atau validasi eksternal yang disediakan. Output gaji bisa bernilai negatif atau tidak masuk akal; nilai tersebut tidak dipotong secara otomatis. Atribut yang dilindungi bukan merupakan fitur prediktif. Kategori mungkin masih membawa bias sosial.

Artefak & penyimpanan

Model aktif dan hingga enam ringkasan versi disimpan per pengguna. Prediksi disimpan hanya berdasarkan permintaan, hingga 500 catatan. Perubahan dataset membatalkan model aktif. Artefak yang disimpan divalidasi sebelum dimuat. Kegagalan penyimpanan dilaporkan dan sesi saat ini tetap dapat digunakan. Tidak ada server atau database yang disediakan oleh edisi browser ini.

Verifikasi

Mesin memeriksa gradien numerik terhadap perbedaan terbatas sebelum pelatihan. Pelatihan menolak loss yang tidak terbatas. Metrik dihitung dalam unit gaji tahunan asli pada data uji yang dipisahkan. Ini bukan pengganti untuk rangkaian pengujian otomatis yang dijalankan secara independen secara penuh atau tinjauan keamanan produksi.